记录一下目前用到的AI生态

 "observational-memory": {
    "observeAfterTokens": 20000,
    "reflectAfterTokens": 40000,
    "compactAfterTokens": 81000,
    "compactAfterTokensMode": "ratio",
    "compactAfterTokensRatio": 0.6,
    "observationsPoolMaxTokens": 20000,
    "observationsPoolTargetTokens": 10000,
    "agentMaxTurns": 8,
    "model": {
      "provider": "goalonez",
      "id": "gpt-5.6-luna",
      "thinking": "low"
    },
    "passive": false,
    "debugLog": false
  }

@gotgenes/pi-subagents

子代理
关闭了默认的Plan子代理，只留了另外两个

@ff-labs/pi-fff

替代内置的 grep 和 find

pi-context-view

查看上下文占用

pi-tool-display

opencode风格美化
跟pi-hashline-edit-pro冲突
如果装了pi-zentui，最好把配置里的enableNativeUserMessageBox改成false

@juicesharp/rpiv-todo

增加一个todo视图

magic-context

记忆，接了hindsight所以就去掉了，不寻求多Agent共享记忆的话建议还是用这个，效果还是不错的
如果装了rpiv-todo，需要把magic-context自带的todo关掉
- ~/.config/cortexkit/magic-context.jsonc设置todowrite.enabled为false
- Configuration | Magic Context

pi-hashline-edit-pro

把内置的 read 和 edit 替换成哈希版
跟pi-tool-display冲突了

pi-wtf

终止当前消息，会自动触发pi-workspace-history回退改动

pi-codex-goal

类似codex的goal

pi-markdown-preview

markdown预览

pi-nano-context

一个UI的增强插件，显示各种上下文占用情况
跟pi-zentui底部状态栏冲突

@gotgenes/pi-permission-system

权限控制
等以后有自动审批再看看，目前感觉无论怎么配置用起来都不是很舒服，而且在代码中还有强制规则，而非完全遵循自定义配置

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。

## 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、调研分析、项目约定、个人偏好相关任务开始前先 recall。简单闲聊、翻译、一次性问答、小改动不主动 recall。复杂任务结束时主动判断是否有值得 retain 的长期结论，仅 retain 长期有用的信息：明确个人偏好、稳定工作习惯、项目约定、技术决策、可复用排障结论、有效命令/失败原因、常见坑和 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、大段日志或可从代码直接读取的普通实现细节。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**：
  - 数据库：`dbx skills` + `dbx-app CLI`
  - 官方文档：`find-docs skills` + `ctx7 CLI`
  - 浏览器：`playwright skills` + `playwright CLI`
  - Office：`officecli skills` + `officecli 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。

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。

记录一下目前用到的AI生态 ​

CLI ​

Pi ​

Claude Code ​

Codex ​

OpenCode ​

客户端 ​

Codex App ​

ChatGPT ​

服务 ​

MCP ​

Skills ​

Pi插件 ​

@diegopetrucci/pi-notify ​

pi-zentui ​

pi-workspace-history ​

pi-btw ​

pi-web-access ​

pi-webdav-sync ​

@llblab/pi-telegram ​

pi-observational-memory ​

@gotgenes/pi-subagents ​

@ff-labs/pi-fff ​

pi-context-view ​

pi-tool-display ​

@juicesharp/rpiv-todo ​

pi-hashline-edit-pro ​

pi-wtf ​

pi-codex-goal ​

pi-markdown-preview ​

pi-nano-context ​

@gotgenes/pi-permission-system ​

全局提示词 ​

AI编码工程化框架 ​

建议 ​

记录一下目前用到的AI生态

CLI

Pi

Claude Code

Codex

OpenCode

客户端

Codex App

ChatGPT

服务

MCP

Skills

Pi插件

@diegopetrucci/pi-notify

pi-zentui

pi-workspace-history

pi-btw

pi-web-access

pi-webdav-sync

@llblab/pi-telegram

pi-observational-memory

@gotgenes/pi-subagents

@ff-labs/pi-fff

pi-context-view

pi-tool-display

@juicesharp/rpiv-todo

pi-hashline-edit-pro

pi-wtf

pi-codex-goal

pi-markdown-preview

pi-nano-context

@gotgenes/pi-permission-system

全局提示词

AI编码工程化框架

建议