一句话总结
AgentSmith 不是又一个 AI 编程助手——它是一个让任何 AI Agent（Claude Code、Codex CLI、Gemini 等）都能按同一套严格工程纪律工作的通用操作系统。模型只决定 10% 的结果，另外 90% 由规则、护栏和反馈循环决定——AgentSmith 把这 90% 做成了可复用、可插拔的标准件。
为什么你需要一个 Agent 操作底盘？
2026 年过半，AI 编程 Agent 已经从玩具变成了日常工具。但一个尴尬的现实是：同一个开发者可能上午用 Claude Code 写后端，下午用 Codex CLI 调前端，晚上用 Gemini 做数据分析——每个 Agent 的行为风格完全不同。
更致命的是，Agent 们普遍缺少工程纪律：
- 代码没经过测试就敢说「完成了」
- 上下文快满时突然失忆，留下半截工作
- 换个 Agent 或换个会话，之前的规则全丢
- 缺乏可复现的工作流，每次都是「从零开始」
AgentSmith 解决的就是这个问题。 它把 6 个月实战中沉淀下来的工程纪律——计划→实现→验证→交付的完整循环、上下文管理、安全检查、工作交接——提炼成一套通用底座，再用「配置文件」适配不同工作场景。
AgentSmith 是怎么工作的？
AgentSmith 的核心设计非常简洁，只有 4 个步骤：
1. 一次安装，按需配置
git clone https://github.com/PromptPartner/agentsmith.git
cd agentsmith
./setup.sh # 交互式向导，选择你的工作类型
setup.sh 会从两部分组装 CLAUDE.md：
- 通用核心（Core）：永远不变的规则——验证优先、上下文管理、安全边界
- 工作类型配置文件（Profile）：软件开发、DevOps、营销、文档、数据分析、研究、设计、通用管理，8 种场景按需加载
安装到全局后，每个项目只需加一个薄薄的配置文件即可。
2. 单任务循环：计划→实现→验证→交付
每个会话只处理一个追踪任务，Agent 自主决定路由和范围，只在真正需要人类介入时才暂停（缺少凭证、外部意外等）。这避免了多任务并行时的上下文污染。
3. 先验证，再说「完成」
这是 AgentSmith 最核心的工程纪律——证据先行，断言在后：
verify.sh运行项目的真实检查（测试、lint、类型检查）- Bug 修复必须先写一个复现测试（prove-it 原则）
- Review Gate 捕获测试抓不到的问题
没有任何东西凭感觉交付。对比一下普通 vibe coding 的工作流，差异巨大。
4. 主动交接，持续改进
AgentSmith 有一个很聪明的设计：在上下文使用到 ~25-30% 时，Agent 会主动做安全状态保存，并写一份「恢复提示词」给下一个会话。这意味着长任务可以无缝跨会话继续。
更重要的是，每次出问题不是只修症状，而是修系统——打磨一条规则、加一道检查门，让同一类失败在未来几乎不可能重现。
安装与快速上手
环境要求
- 任意安装了 Claude Code / Codex CLI / Gemini CLI 的终端环境
- Bash（macOS / Linux 原生，Windows 需 Git Bash 或 WSL）
- Git
三步启动
# 1. 克隆仓库
git clone https://github.com/PromptPartner/agentsmith.git
cd agentsmith
# 2. 运行安装向导
./setup.sh
# 向导会列出所有可用配置文件，选择你需要的即可
# 3. 在项目中启动 Agent
# Agent 会自动读取组装好的 CLAUDE.md 并按规则工作
安装后，你的项目根目录会多一个精心编排的 CLAUDE.md（或 AGENTS.md / GEMINI.md），它包含了完整的操作规范。
核心配置文件详解
AgentSmith 预置了 8 种工作类型配置文件，每种都针对特定场景优化过：
| 配置文件 | 适用场景 | 核心规则 |
|---|---|---|
| software | 软件开发 | TDD、代码审查、类型安全 |
| devops | 运维/环境搭建 | 幂等性、回滚策略、审计日志 |
| marketing | 营销与外联 | 品牌一致性、A/B 测试框架 |
| documents | 文档创作 | 结构化模板、版本控制 |
| data | 数据 crunching | 可复现性、数据管道校验 |
| research | 调研分析 | 来源引用、假设验证 |
| design | 设计 | 设计系统一致性、无障碍 |
| admin | 通用管理 | 任务追踪、优先级排序 |
每个配置文件只有几十行，但浓缩了该领域的核心工程纪律。这种「瘦核心 + 厚配置」的设计哲学值得学习——核心保持精简通用，专业规则按场景热插拔。
为什么 AgentSmith 值得关注？
1. 它解决了 Agent 工程的「最后一公里」
2026 年的 AI Agent 已经能写出不错的代码了——但能写出可靠、可维护、可交接的代码，是另一回事。AgentSmith 把工程纪律系统化了，让 Agent 的输出从「Demo 级别」提升到「生产级别」。
2. 模型无关 = 不被锁定
不管你的团队用 Claude Code、Codex CLI 还是 Gemini，AgentSmith 的规则层保持一致。切换模型只需要换一个执行环境，所有工作流和纪律原地保留。
3. 实战中打磨，不是白板上设计的
README 里有一段话很实在：
“It didn’t come from a whiteboard. It grew over ~6 months of real, autonomous work — data crunching, marketing outreach, dozens of smaller projects, and one software product still in active development after half a year — across hundreds of sessions.”
这是第五次迭代了——项目无关的通用部分被提炼出来，具体的项目细节被全部剥离。开源出来的东西是用过的，不是想象出来的。
4. 文档质量极高
AgentSmith 的 /docs 目录有 17 个文件，从哲学理念到故障排查，每一篇都值得单独阅读。特别推荐：
01-harness-philosophy.md——为什么上下文要分静态/动态，为什么严格性要随风险等级缩放（5 分钟读完）03-verify-means-evidence.md——整个底座中最重要的概念04-why-your-agent-ignored-the-rule.md——在你踩坑之前先告诉你为什么 Agent 会忽视规则
实际使用场景
场景一：新项目启动
在一个全新项目中使用 AgentSmith 的 software 配置，Agent 会自动：
- 先确认技术栈和项目结构
- 写第一个功能前先搭测试框架
- 每次交付前运行
verify.sh - 上下文到 25% 时主动写恢复提示词
结果：第一个 PR 就通过了 CI，没有「忘了加测试」或「类型报错一堆」的常见问题。
场景二：跨 Agent 协作
上午用 Claude Code + AgentSmith 写了后端 API（带完整的测试覆盖），下午切到 Codex CLI 写前端组件——同一套规则保证了两边的代码风格、测试标准完全一致。交接时不需要额外沟通。
场景三：长任务跨会话
一个需要 3 天完成的数据分析项目，每天 Agent 会在上下文消耗到 25% 时主动保存状态、写恢复提示词。第二天新会话读入提示词后，能无缝接续工作，不需要重复解释项目背景。
同类工具对比
| 特性 | AgentSmith | OpenSpec | Cursor Rules | 手动 CLAUDE.md |
|---|---|---|---|---|
| 模型无关 | ✅ | ❌ | ❌ | ✅ |
| 预置工作类型 | ✅ 8 种 | ❌ | ❌ | ❌ |
| 上下文管理 | ✅ 自动交接 | ❌ | ❌ | ❌ |
| 验证门控 | ✅ verify.sh | 部分 | ❌ | ❌ |
| 开箱即用 | ✅ | 需配置 | 需配置 | 需手写 |
| 适合场景 | 通用 | 规范驱动 | Cursor 专用 | 简单项目 |
注意事项
- 目前仅支持 Shell/Bash 环境——Windows 用户需要 Git Bash 或 WSL
- 不是替代 Agent 的工具——AgentSmith 是增强层，你仍然需要安装 Claude Code / Codex CLI
- 学习曲线存在——文档很全但需要花 1-2 小时理解核心哲学
- 团队适配需要定制——默认配置是通用版，团队使用建议 fork 后调整
适合人群
- AI 编程重度用户：每天用 Agent 写代码但仍被可靠性问题困扰的开发者
- 技术团队 Lead：想让团队统一 Agent 使用规范，提高代码质量和可维护性
- AI 工具探索者：对 Agent 工程方法论感兴趣，想了解最佳实践的工程师
- 独立开发者：一个人用多个 Agent 协作，需要统一的工程质量标准
总结
AgentSmith 代表了 AI Agent 工具链的一次重要进化——从「让 Agent 能写代码」到「让 Agent 能写好代码」。它以极简的设计（一个 setup.sh + 8 个配置文件）解决了一个系统性问题，而且完全开源、模型无关。
三个核心收获：
- 🎯 Agent 的输出质量 = 10% 模型 + 90% 操作底盘——后者的提升空间巨大
- 🔄 上下文管理不是等满了才处理，而是在 25% 时就主动交接——这是大多数 Agent 缺失的能力
- 🛠️ 修系统不修症状——每次失败都是加固底座的机会，而不是一次性补丁
仓库地址：github.com/PromptPartner/agentsmith ⭐308 | 创建于 2026-07-16
数据来源：GitHub API + 项目文档。发布于 2026 年 7 月 19 日。
