coding_agent

关于

coding_agent 是一个开源的 AI 编程工作流配置项目， 基于 Claude Code 和 OMC (oh-my-claude-code) 构建。

项目背景与理念

在长期的 AI 辅助编程实践中，我们发现 AI Agent 虽然强大， 但在处理复杂多步骤任务时容易出现"隧道视野"——只盯着眼前的问题， 忽略了全局约束、长期维护性和团队协作规范。

coding_agent 的核心设计理念是：规则驱动 + 记忆增强 + 技能封装。 通过显式的规则系统，约束 AI 的行为边界；通过记忆系统， 让 AI 积累项目-specific 的知识；通过 Skill 系统，将最佳实践固化为可复用的工具。

我们相信，好的 AI 编程辅助不是让 AI 自由发挥， 而是在明确的框架内释放创造力。这与传统 IDE 的lint/format 规则异曲同工， 只是将约束扩展到了行为层面。

谁适合使用

  • 独立开发者：希望 AI 能稳定完成从规划到提交的完整工作流，减少人工 Review 和返工
  • 技术团队：需要为团队建立统一的 AI 编程规范，避免不同人使用 AI 产生截然不同的代码质量
  • AI 编程研究者：探索如何让 AI Agent 更可靠、更可预测、更难出现幻觉和低级错误
  • 开源项目维护者：希望 AI 能自动遵守项目规范，在 PR 中自动检查代码质量

核心功能

  • 规则系统 (Rules)：可配置的 behavioral rules，覆盖 Git 工作流、代码审查、安全检查等场景，违反规则时自动拦截
  • 记忆系统 (Memory)：项目级别的知识持久化，包括项目上下文、决策记录、常见问题清单，跨 session 保持连续性
  • 技能系统 (Skills)：封装好的最佳实践工作流，如 TDD 流程、代码审查、多 Agent 协作，调用即用
  • 证据门控 (Evidence Gate)：所有声明必须有实际证据支撑，禁止空洞的"应该没问题"，减少幻觉和漏测
  • 自我进化 (Self-Evolution)：从失败中学习，自动将解决过的问题固化为规则和记忆，防止同类错误重复出现

如何参与贡献

我们欢迎任何形式的贡献，无论是提交 Bug report、建议新功能、 还是直接提交代码。以下是几种参与方式：

  • Issue 反馈：在 GitHub 仓库提交 Issue，描述遇到的问题或期望的功能
  • 文档完善：帮助改进文档、补充示例、翻译成其他语言
  • 代码贡献：Fork 仓库，提交 PR。我们会认真 review 每一个合入的代码
  • 经验分享：如果你在使用过程中有心得体会，欢迎在社区分享

提交代码前，请确保：代码通过现有的 lint 和测试；遵守项目的 commit message 规范； 对于新功能，请附上相应的测试和文档。

Pokemon Favicon 设计理念

网站的 favicon 随机显示与「复活/fuhuo」主题相关的 Pokemon。 每次访问有 50% 概率显示 shiny 形态。 查看完整图鉴

相关资源

这是一个仍在活跃发展的项目，欢迎反馈和建议。 每一个 Issue 和 PR 都是对项目的贡献。