using-agentops

AgentOps 运营模式

AgentOps 是编码 Agent 的运营层。

从外部来看，它提供四项功能：

• 记账 — 捕获经验、发现结果和可复用上下文
• 验证 — 在工作交付前审查计划和代码
• 基本工具 — 单项技能、钩子和 CLI 接口
• 流程 — 命名组合，例如 /research、/validate 和 rpi

从技术角度来看，AgentOps 充当上下文编译器：将原始会话信号转化为可复用知识、编译后的预防措施，以及更好的后续工作。

核心流程：RPI

Research → Plan → Implement → Validate
    ↑                            │
    └──── Knowledge Flywheel ────┘

研究阶段

/research <topic>      # Deep codebase exploration
ao search "<query>"    # Search existing knowledge
ao search "<query>" --cite retrieved  # Record adoption when a search result is reused
ao lookup <id>         # Pull full content of specific learning
ao lookup --query "x"  # Search knowledge by relevance

输出： .agents/research/<topic>.md

计划阶段

/pre-mortem <spec>     # Simulate failures (error/rescue map, scope modes, prediction tracking)
/plan <goal>           # Decompose into trackable issues

输出： 带依赖关系的 Beads 问题

实施阶段

/implement <issue>     # Single issue execution
/crank <epic>          # Autonomous epic loop (uses swarm for waves)
/swarm                 # Parallel execution (fresh context per agent)

输出： 代码变更、测试、文档

验证阶段

/vibe [target]         # Code validation (finding classification + suppression + domain checklists)
/post-mortem           # Validation + streak tracking + prediction accuracy + retro history
/post-mortem --quick   # Quick-capture a single learning (folded the retired retro lane)

输出： .agents/learnings/、.agents/patterns/

阶段与技能映射

阶段	主要技能	辅助技能
探索	/discovery	/brainstorm、/research、/plan、/pre-mortem
实施	/crank	/implement（单个问题）、/swarm（并行执行）
验证	/validate	/vibe、/post-mortem、/forge

如何选择技能：

• 对于单个问题的执行，请使用 /implement。现在默认优先采用 TDD —— 先编写失败的测试，再进行实现。可使用 --no-tdd 跳过。
• 对于自主执行 Epic，请使用 /crank（通过 swarm 循环处理各波次，直到完成）。自动生成文件所有权映射，以防止工作者之间发生冲突。
• 仅在探索阶段使用 /discovery（头脑风暴 → 搜索 → 研究 → 计划 → 事前分析）。
• 仅在验证阶段使用 /validate（vibe → 事后复盘 → forge）。
• 对于完整生命周期，请使用 rpi —— 委派给 /discovery → /crank → /validate。
• 使用 /ratchet 通过 RPI 设定进度门槛／记录进度。

从这里开始（12 项入门技能）

这些是每位用户首先需要的技能。其他内容可在需要时使用。

技能	用途
/quickstart	引导式入门 —— 请先运行此项
/bootstrap	一条命令完成 AgentOps 全量设置 —— 仅填补缺失项
/research	深入探索代码库
/council	多模型共识审查 + 自动提取发现结果
/validate	对工件、计划、代码变更、PR 或门禁给出标准的 PASS/WARN/FAIL 判定
/vibe	代码验证（分类 + 抑制 + 领域检查清单）
rpi	完整的 RPI 生命周期编排器（/discovery → /crank → /validate）
/implement	执行单个问题
/post-mortem --quick	快速将单条经验记录到飞轮中
/status	单屏仪表板，显示当前工作和建议的下一步操作
/goals	维护 GOALS.yaml 健壮性规范
/push	原子化的测试-提交-推送工作流

高级技能（按需使用）

技能	用途
/compile、/flywheel	主动式知识智能与飞轮健康度 — 挖掘 → 增长 → 整理循环
/curate	负责处理转录内容、.agents/、bd、git、技能差异和少量 wiki 条目的规范挖掘者角色
/curate --mode=harvest	跨 rig 知识整合 — 扫描、去重、晋升至全局中心（整合已退役的 harvest 流程）
/inject	将成熟的 .agents 语料转化为信念、操作手册、简报和差距视图（整合已退役的知识激活流程）
/brainstorm	规划前进行结构化创意探索
/discovery	完整的发现阶段编排器（头脑风暴 → 搜索 → 研究 → 规划 → 事前验尸）
/plan	将史诗拆解为问题
/design	产品验证关卡 — 目标一致性、人物角色契合度、竞争差异化
/pre-mortem	失败模拟（错误／补救、范围模式、时间因素、预测）
/post-mortem	验证 + 连胜追踪 + 预测准确度 + 回顾历史
/bug-hunt	根本原因分析
/release	发布前检查、变更日志、版本递增、打标签
/crank	自主史诗循环（每轮使用 swarm）
/swarm	使用新上下文并行执行（Ralph 模式）
/using-atm	在 ATM tmux swarm 上于会话外运行 AgentOps 循环（基底层的 ATM 部分）
evolve	由目标驱动、按适应度评分的改进循环
/burndown	有界史诗完成循环 — 推进有限目标直至全部合并，然后停止
/eval-outcomes	通过 Outcomes 评分；它是已锁定评估基底的安全保留集投影 — 一条标准线，适用于多种运行时
/operating-loop-workflow	安装并运行 operating-loop 多 Agent 工作流（七步循环）
/autodev	PROGRAM.md 自主开发契约的设置与验证
agy-rules-workflows	安装 AGY 原生规则、循环工作流和定时目标控制
/curate --mode=dream	会话外知识复利流程
/doc	文档生成 — 仓库文档（默认）、黄金标准 README（--mode=readme）、OSS 文档包（--mode=oss）
/post-mortem --quick	快速记录经验（整合已退役的回顾流程）
/validate	完整的验证阶段编排器（氛围检查 → 事后复盘 → 锻造）
/ratchet	用于 RPI 工作流的布朗棘轮进度关卡
/forge	从转录内容中挖掘知识 — 决策、经验、模式
/security	仓库安全扫描与发布关卡，以及可组合的二进制／提示词表面测试套件 — 静态分析、动态追踪、离线红队测试、策略关卡
/test	测试生成、覆盖率分析和 TDD 工作流
/cc-hooks	编写并验证 AgentOps 运行时钩子的行为
/red-team	基于角色的对抗性验证 — 从受限用户视角探测文档和技能
/review	审查收到的 PR、Agent 输出或差异 — 评分清单
/refactor	安全且经过验证的重构，每一步都进行回归测试
/deps	依赖项审计、更新、漏洞扫描和许可证合规性检查
/perf	性能分析、基准测试、回归检测和优化
/scaffold	项目脚手架、组件生成和样板设置
/scenario	编写并管理用于行为验证的保留集场景
/skill-auditor	按照统一模板对现有 SKILL.md 进行两轮审计（15 项检查）
/skill-builder	按照统一模板搭建或吸收新的 SKILL.md 文件
/automation-shape-routing	构建 Agent 自动化的入口 — 确定 SHAPE（工作流、ATM swarm 或普通技能），然后交给合适的构建器
/workflow-builder	搭建新的 Claude Workflow 脚本（.claude/workflows/*.js）— 确定性多 Agent 编排
/agent-native	通过技能、ao CLI 和 CI（而非钩子），让会话外 Agent 原生支持 AgentOps

专家技能（专用工作流）

技能	用途
/swarm	并行 Codex Agent 执行（合并已退役的 codex-team 通道）
/reverse-engineer-rpi	逆向分析产品，生成特性目录和规格说明
/codebase-audit	按领域参数化的代码库审计（安全、UX、性能、API、文案、CLI）
/pr-research	贡献代码前研究上游仓库
/pr-implement	基于 Fork 实施 PR
/validate --mode=pr	PR 专项验证和隔离检查（合并已退役的 pr-validate 通道）
/pr-prep	PR 准备和结构化正文生成
/ship-loop	机器人协作的内部 PR 快速通道循环
/complexity	代码复杂度分析
/product	交互式生成 PRODUCT.md
/handoff	为后续继续工作交接会话
/recover	压缩后的上下文恢复
/session-bootstrap	通用初始化提示词 — 每个 Agent 首先运行此项（soc-vuu6.25）
/trace	追溯设计决策的历史
/curate --mode=provenance	追溯产物的来源
/beads	问题跟踪操作
/heal-skill	检测并修复技能规范问题
/converter	将技能转换为 Codex/Cursor 格式

更新已安装的技能： 重新运行安装单行命令 — bash <(curl -fsSL https://raw.githubusercontent.com/boshu2/agentops/main/scripts/install.sh)。（没有更新技能；技能刷新由安装脚本负责。）

知识飞轮

每次 /post-mortem 都会将经验和模式沉淀到 .agents/，让之后的 /research 能从更好的上下文出发，而不是从零开始。

通过 ao agents inspect | lint | doctor 检查、lint 并分类处理 .agents/ 写入面约定（doctor 汇总 inspect、lint 和孤立项／多余目录报告；遇到孤立项时，--strict 会报错）。

运行时模式

AgentOps 有多种运行时模式。不要假设所有环境都支持钩子自动化。

模式	适用场景	启动路径	收尾路径	保证
substrate（会话外）	可在会话外切换的编排基底：ATM tmux swarm、MCP（ao mcp serve）或 managed-agents（ao agent）	操作员或主 Agent 运行 bd ready，并按每个 bead 分派完整循环 — 由运行 rpi 技能的 Agent 执行；cron／托管触发器运行维护任务	基底负责合并门禁（CI 通过是信号），并触发知识飞轮反馈	基底编排的是完整的 rpi／evolve 循环（每个循环由运行技能的 Agent 执行）— 它不会看到循环内部；衔接点是基底 → 运行技能的 Agent。CLI 内没有 runtime=gc 执行器。参见 agent-native 和 docs/3.0.md。
hook-capable	已安装生命周期钩子的 Claude/OpenCode（无 gc）	运行时钩子或 ao inject / ao lookup	运行时钩子或 ao forge transcript + ao flywheel close-loop	安装钩子后，自动启动／注入上下文并在会话结束时执行维护
codex-native-hooks	支持原生钩子的 Codex CLI v0.115.0+（2026 年 3 月）	运行时钩子（与 hook-capable 相同）	运行时钩子（与 hook-capable 相同）	原生生命周期钩子 — 与 hook-capable 模式提供相同保证
codex-hookless-fallback	没有钩子接口的 Codex Desktop／Codex CLI pre-v0.115.0	ao codex start	ao codex stop	无需钩子即可提供显式启动上下文、引用跟踪、转录回退和收尾循环指标
manual	没有钩子，也没有 Codex 原生运行时检测	ao inject / ao lookup	ao forge transcript + ao flywheel close-loop	适用于所有环境，但生命周期操作由操作员驱动

问题跟踪

此工作流使用 beads 进行 Git 原生问题跟踪：

bd ready              # Unblocked issues
bd show <id>          # Issue details
bd close <id>         # Close issue
bd vc status          # Inspect Dolt state if needed (JSONL auto-sync is automatic)

示例

启动时加载上下文。 AgentOps 3.0 的默认路径非常明确：运行 ao session bootstrap，然后通过 ao inject / ao lookup 或按阶段划分的数据包提取先前的上下文。支持钩子的运行时可以选择运行自行编写的 session-start.sh，Codex CLI 也可以通过 install-codex.sh --with-hooks 选择启用原生钩子；这些属于兼容性／适配路径，并非默认路径。无论采用哪种方式，Agent 都能获取 RPI 工作流、先前的上下文以及引用路径。

规划时参考工作流。 当用户询问如何着手实现某项功能时，Agent 会使用此技能中的 RPI 部分，建议采用 Research → Plan → Implement → Validate 流程：使用 /research 进行探索，使用 /plan 进行分解，使用 /pre-mortem 模拟失败，而不是临时应对。

故障排除

问题	原因	解决方案
未加载技能	未运行启动路径	运行 ao session bootstrap，然后运行 ao inject / ao lookup；如需恢复 Codex 生命周期，显式运行 ao codex start
技能目录过时	此文件未与实际的 skills/ 目录同步	添加／移除技能后，更新此文件中的技能列表
推荐了错误的技能	自然语言触发条件含糊	用户使用 /skill-name 语法显式调用技能
工作流不清晰	此处未充分记录 RPI 阶段	阅读 README.md 或 docs/ARCHITECTURE.md 中的完整工作流指南