ai-autonomy

name	ai-autonomy
description	AI 自治开发系统。在任何项目中启动 AI 自动化开发，支持两种模式： 嵌入式（每个 session 自动读取任务继续开发）和脚本循环（终端无人值守批量执行）。 触发词：自治开发、自动化开发、autonomous dev、初始化自治、启动自治、 添加任务、写工单、agent team、多智能体协作、接着干活、继续开发。

AI 自治开发系统

在任何项目文件夹中注入自治能力，让 AI 像轮班工人一样连续开发。

两种使用模式

模式 A：嵌入式（推荐日常使用）

用户在 OpenCode 中打开项目 → 说"初始化自治" → 注入文件 → 之后每个 session 说"接着干活"即可。 AI 读取 feature_list.json 找 pending 任务，干完更新状态，写交接日志。

模式 B：脚本自动循环（批量赶工）

终端运行 python3 .autonomy/run_autonomy.py，无限循环调用 AI CLI，完全无人值守。

---

工作流

1. 初始化（用户说"初始化自治"）

在当前项目目录创建 .autonomy/ 子目录 + 根目录注入 CLAUDE.md：

用户的项目/（已有代码）
├── src/、package.json 等（用户已有的文件）
│
├── CLAUDE.md                    ← 注入：AI 行为准则（根目录，AI 自动读取）
├── feature_list.json            ← 注入：任务工单
├── progress.txt                 ← 注入：交接日志
└── .autonomy/                   ← 注入：自治系统文件
    ├── config/
    │   ├── providers.json       ← 多模型提供商配置
    │   ├── agent_team_config.json
    │   └── .env                 ← API Keys（gitignore）
    ├── scripts/
    │   ├── run_autonomy.py      ← 2.0 无限循环驱动
    │   ├── run_team.py          ← 3.0 多 Agent 驱动
    │   └── switch_provider.py   ← 切换模型
    └── agents/                  ← Agent 角色定义
        ├── lead-cto.md
        ├── backend-integrator.md
        ├── frontend-polisher.md
        └── qa-engineer.md

步骤：

1. 确认当前目录是用户的项目（不要创建新目录）
2. 创建 .autonomy/ 子目录
3. 从 skill 的 references/templates/ 复制所有模板文件
4. 在根目录创建 CLAUDE.md、feature_list.json、progress.txt
5. 在 .gitignore 中追加 .autonomy/config/.env
6. 询问用户有哪些 API 提供商，写入 providers.json 和 .env
7. 提示用户编写第一批任务工单

2. 接着干活（用户说"接着干活"/"继续开发"/"下一个任务"）

这是嵌入式模式的核心。每次新 session 执行：

1. 读取 feature_list.json，找 status: "pending" 且 priority 最小的任务
2. 读取 progress.txt 最后 20 行，了解上次交接内容
3. 如果没有 pending 任务，告诉用户"全部完成"
4. 如果有任务： a. 宣布当前要做的任务 b. 按 acceptance_criteria 逐条实现 c. 验证（跑测试/检查语法） d. 更新 feature_list.json：status: "done", passes: true e. 在 progress.txt 追加交接日志 f. Git commit：feat(任务ID): 简要描述 g. 问用户"继续下一个？"或自动继续

3. 添加任务（用户说"添加任务"/"写工单"）

交互式询问：

• 任务描述
• 类别（backend/frontend/testing/fullstack/setup）
• 优先级（数字越小越优先）
• 验收标准（逐条输入）

写入 feature_list.json，格式：

{
  "id": "F-XXX",
  "description": "...",
  "category": "backend",
  "priority": 1,
  "status": "pending",
  "acceptance_criteria": ["...", "..."],
  "notes": ""
}

4. 配置模型（用户说"配置模型"/"切换模型"/"添加提供商"）

• 读取 .autonomy/config/providers.json
• 用户提供 base_url + API Key + 模型名 → 写入配置
• 运行 python3 .autonomy/scripts/switch_provider.py 验证
• 支持自动查询 /v1/models 获取可用模型列表

5. 启动脚本循环（用户说"启动自动循环"/"无人值守"）

不要在对话中运行！ 告诉用户在终端执行：

# 2.0 单 Agent 循环
python3 .autonomy/scripts/run_autonomy.py

# 3.0 多 Agent 团队
python3 .autonomy/scripts/run_team.py

# Ctrl+C 优雅停止

行为准则（嵌入式模式）

当 AI 在 session 中"接着干活"时，必须遵守：

• 不要猜测：不确定的事情，查文档或读代码确认
• 不要跳步：严格按工作流执行，不要跳过验证
• 不要过度修改：只改当前任务相关的代码
• 失败时记录：改坏了就 git checkout . 回滚，在 notes 记录原因
• 保持交接：每个任务完成后必须更新 feature_list.json 和 progress.txt

文件参考

• Agent 角色定义：references/agents/
• 配置模板：references/templates/
• 脚本源码：scripts/