Skip to content

记录一下目前用到的AI生态 ​

CLI ​

Pi ​

Claude Code ​

  • 体验最好,三方生态适配度和优先级都感觉高一些
  • 不过鉴于A➗的一些骚操作,自己抉择吧

Codex ​

  • CLI用得比较少,感觉细节上比较粗糙,一般codex就直接用客户端了,起码切换会话方便,可视化也舒服点
  • 感觉配置做得很糙

OpenCode ​

  • 切换模型方便点
  • 太重了,被Pi替换了

客户端 ​

Codex App ​

  • 目前已合并成ChatGPT客户端
  • 目前通过官方授权登录 + 接入自己的api使用
    • 这样既能使用插件生态、远程控制等功能,也能使用自己的号池或者接入其他模型

ChatGPT ​

  • 主要是用iOS端,通过移动端远程控制codex

Magpie ​

  • 替换了CC Switch
  • 统一管理agent的配置、模型、mcp、skills、全局提示词、会话记录、反代
  • 支持插件
  • 其他选择

客户端 ​

docker网关版本 ​

Kelivo ​

  • 纯聊天客户端
  • 支持mcp,例如可以把滴答清单mcp接入来编排TODO List
  • 搜索引擎支持接入grok或者自己部署的SearXNG
  • 目前没有找到一个完美支持多端同步的客户端
  • 其他选择

DBX ​

  • 支持mcp和cli的方案接入到agent,可以让agent直接去稳定查询数据库
  • 其实客户端大部分时候还是用的DataGrip,主要是看中他支持cli的形式接入agent,并且主流库不需要打开客户端直接支持接入
  • 目前官方还没出skills,所以自己根据官方文档让agent生成了一份:dbx-readonly-cli
  • 其他选择

服务 ​

对应docker compose可以从NAS-DockerCompose分享页面获取

CLIProxyAPI ​

  • 自用的号池反代

Axonhub ​

  • 自用的AI渠道聚合网关
  • 省去本地配置改来改去的麻烦,可以把各种渠道的api都聚合起来统一出口,也能查看具体的请求记录
  • CLIProxyAPI不直接对外提供api,通过Axonhub统一分发

New API ​

  • 主要用于对外分发api给朋友
    • 将Axonhub里的渠道接入New API来统一分发
  • 其他选择

Hermes ​

  • 私人agent
  • 目前接入deepseek-v4-flash也不错,性价比高,虽然实际效果不如gpt
  • 感觉任务执行其实不如openclaw,但是相对来说稳定点,以前用openclaw最大的感触就是更新完版本就崩,然后浪费token修bug
  • 可以跑个dockerKasmVNC用CDP协议给hermes接入

Hindsight ​

MCP ​

滴答清单mcp ​

  • 接到hermes

Skills ​

zyes ​

  • 自己结合mattpocock skills、trellis定制的精简版Skills工作流

其他 ​

  • 部分skills需要搭配对应的cli,可以去对应github仓库安装

Pi插件 ​

插件仓库

@diegopetrucci/pi-notify ​

  • 通知

pi-zentui ​

  • 主题

pi-workspace-history ​

  • 回撤消息及改动的文件

pi-btw ​

  • 侧边对话

pi-web-access ​

  • 网络搜索

pi-webdav-sync ​

  • 配置webdav备份

@llblab/pi-telegram ​

  • 接入telegram进行远程控制

@gotgenes/pi-subagents ​

  • 子代理
  • 关闭了默认的Plan子代理,只留了另外两个

npm:@buyong/pi-codex-auto-review ​

  • 自动审批

全局提示词 ​

  • 模型越来越强,大部分能力都可以交还给模型,感觉不需要定义太多边界了
# AGENTS.md

适用于 Claude Code、Codex、OpenCode、Pi 等编码代理。本文件定义全局环境、个人偏好和安全边界;项目级规则负责具体工程流程,但不得放宽安全边界。

## 语言

- 默认简体中文;代码、路径、命令、标识符保持原样。包括输出需要落地的文档也请使用简体中文。
- 不该出现的内容不应该被显式禁止,直接不提才能保证上下文不出现噪音,不要出现类似"番茄炒蛋(不加东坡肉版)"这种笑话。

## 长期记忆

Hindsight `<bank-id>` 为 `coding`,作为个人长期记忆使用,原则是读多写少、宁缺毋滥。
- 非平凡编码、排障、设计、配置、调研或项目约定相关任务开始前先 recall;简单闲聊、翻译、一次性问答和小改动不主动 recall。
- 非平凡任务在最终答复、计划归档或用户确认完成前,必须做一次长期记忆价值检查;检查不代表必须 retain。若用户后续纠正了业务口径、项目约定、个人偏好或集成规则,收尾前须重新检查,确认有期价值时实际执行 retain。
- 仅 retain 跨任务仍有用的个人偏好、项目约定、技术决策及原因、业务或集成规则、权限边界、可复用排障结论、有效命令、失败原因和 workaround。
- 不保存临时状态、一次性指令、普通聊天、未确认推测、敏感信息、密钥凭证、大段日志、完整计划或可从代码直接读取的普通实现细节;但代码背后不明显的业务原因、适用边界和可复用约定仍可retain。
- 代码、Git、项目文档和 Zyes 不能替代 Hindsight 的收尾检查;使用 Zyes 时不复制计划和进度,只提炼少量长期结论。
- 用户明确要求“记住”时可直接 retain;不确定时先询问。连接失败不阻塞任务。

## 环境与工具

- **环境管理**:使用 `mise`。当前目录版本用 `mise list`,全局默认版本用 `mise list -g`。只有pnpm由corepack管理。
- **Python**:优先使用 `uv` 管理虚拟环境和依赖。
- **可用工具**:
  - 长期记忆:`hindsight skills` + `hindsight CLI`
  - 数据库:`dbx skills` + `dbx-app CLI`
  - 官方文档:`find-docs skills` + `ctx7 CLI`
  - 浏览器:`chrome-devtools-cli skills` + `chrome-devtools-mcp@latest CLI`
  - Office:`officecli skills` + `officecli CLI`
  - Github:`gh cli`
- **所需工具未安装时,不要自行全局安装,先询问用户**

## 安全边界

涉及以下场景时禁止直接执行;只能输出方案或命令给用户确认,并说明:做什么、影响范围、主要风险、是否可回滚。

- **文件破坏**:删除文件/目录,或覆盖用户未说明的改动。
- **环境变更**:修改环境变量、系统配置、权限、Git Hooks。
- **依赖变更**:新增/升级核心依赖,全局安装/卸载依赖。
- **危险 Git 操作**:`git push` / `git reset --hard` / `git rebase` 及任何强制覆盖。
- **数据库**:默认只允许安全读取;写入、删除、DDL、批量修改真实数据等操作,仅输出 SQL、迁移方案或执行步骤,禁止直接执行。
- **外部环境**:调用生产环境、真实账号、付费服务,或会产生真实副作用的外部 API。

## 代码风格

- 代码实现必须遵循最小实现原则:优先复用现有代码和项目既有写法,只解决当前明确需求,不主动扩展功能、不引入额外抽象、不做过度设计,能在单个函数内清晰完成的,不拆分多层结构。
- 数据库尽量建表只设主键,不设其他约束外键,SQL尽量只做基础操作,逻辑放到代码中去实现。
- web页面要考虑用户体验,从用户角度设计页面,不应该在页面上出现开发或者运维角度的提示语言,交互需要符合逻辑,方便使用。
- 除非用户明确要求,否则禁止修改项目README.md文档,不能把README.md当做需求文档来写入业务逻辑等无关内容。
- 在兼容项目现有环境和依赖版本的前提下,优先采用官方推荐、成熟通用、业界主流、稳定且符合未来趋势的实现方式,避免使用已弃用或明确不推荐的用法。

AI编码工程化框架 ​

zyes ​

  • 自己结合mattpocock skills、trellis定制的精简版Skills工作流

Trellis ​

  • 基础用法
    • trellis init初始化一下项目
    • 默认会生成一个00-bootstrap-guidelines任务,直接跟agent说完成这个任务,会默认生成好基础规范
    • 开发新需求就是用trellis-brainstorm规划一下,落地prd(或者自然语言也行,会自动触发,小需求会自动跳过,不会出现改点小问题都完整跑一遍流程的情况)
    • 任务完成后用trellis-finish-work收尾一下任务状态(或者自然语言也行,会自动触发)
  • 对团队共享来说也比较友好

建议 ​

在选择工具时,最好优先考虑用户量大的产品。AI 正在极速迭代,很多产品初期可能更新频繁,也有不少亮点和创新;但长期来看,相比用户体量更大的产品,它们可能更难跟上整体生态节奏。