ai-code-factorylisted
Install: claude install-skill yelinwang668-debug/ai-code-factory
# AI Code Factory
把主控机当作“车间主管”,把本地或 SSH 主机上的 CLI Agent 当作“代码员工”。核心流程只有:拆分、并行编写、收集、集成、运行验证、提交。
## 工作原则
- 效率第一,采用能跑通的最小方案,不额外建立审批、审计或复杂编排层。
- 仅并行无强依赖、写集尽量不重叠的任务。存在前置依赖时先完成前置任务。
- 每名员工在独立 Git worktree 和分支工作,不让多个员工同时修改同一目录。
- 主控负责最终合并和运行验证;员工只提交自己负责的代码。
- 不要求用户在对话、任务文件或仓库中提供密码、API Key。只引用环境变量名或本机已有登录状态。
- 在启动可能产生模型费用的员工前,先向用户展示任务拆分、员工数和模型选择并取得确认。
## 1. 理解方案
先读取用户给出的方案和当前仓库。检查现有结构、`AGENTS.md`、构建命令、测试命令和 Git 状态。不要重新设计已明确的架构。
只在会改变实现方向时询问。其余细节采用最简单的合理默认值。
## 2. 选择模式并拆分任务
- 单一、小范围修改使用 `fast`,只分配一名员工。
- 两个以上独立代码边界使用 `parallel`。
- 启动前向用户展示模式、任务和员工数量并取得确认。
按可独立提交的代码边界拆分,而不是固定 Research、Reviewer 等角色。每项任务必须包含:
- `id`:短标识,例如 `api`、`storage`。
- `title`:交付目标。
- `instructions`:具体实现要求。
- `write_paths`:主要写入路径,任务之间尽量不重叠。
- `verify`:员工应执行的最小验���命令。
将任务保存为 JSON。格式见 [references/task-format.md](references/task-format.md)。
向用户给出简短分工并确认员工数量。默认员工数等于可独立任务数,上限取用户可用并发槽。
保存并校验计划:
```bash
aicf plan --fast --request "<request>"
aicf plan --parallel --request "<request>" \
--tasks <tasks.json> --output <plan.json>
```
## 3. 准备并启动
优先从仓库根目录执行:
```bash
aicf run <plan.json> --config factory.yaml
```
命令会创建 worktree、任务文档和持久化 Run State,按 capability 匹配员工,并只启动依赖已满足的任务。把输出的 run 目录记下来。
需要手动控制旧流程时使用:
```bash
aicf prepare --repo "$PWD" --tasks /absolute/path/to/tasks.json
```
如果仓库存在未提交修改,不猜测归属。优先让用户先提交,或确保任务不会读取这些未提交修改。
### 手动启动员工
读取 [references/runtimes.md](references/runtimes.md),先用 `<runtime> --help` 核实当前 CLI 参数。每名员工的唯一初始指令是:
```text
请���整读取并执行任务文档:<absolute-task-file>
```
配置 `factory.yaml` 后启