AI DevKit
为多种 AI 编程工具统一配置、会话控制、记忆与工程流程。
- Star 数
- ★ 1.6k
- 最近更新
- 今天
- License
- Apache-2.0
- 主语言
- TypeScript
- FA 评分
- 48/100 · 缺口较多
30 秒速览
- 可在哪里用
- 通用 · 跨平台Codex · Claude Code
- 开始前需要
- 典型场景
- 使用 Claude Code、Codex CLI 和 Gemini CLI 的开发团队，希望用一个项目配置统一技能、规则和 MCP 设置。
- 主要局限
- 远程控制并非所有已列工具都支持；README 将 opencode 标为 testing，并为多款工具标记无远程控制。
- 源码审查
- 48/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
AI DevKit 是面向 AI 编程工具的本地优先控制层。它通过项目内的 `.ai-devkit.json` 统一配置，并可为所选工具写入规则、技能和 MCP 设置。其 CLI 提供 `ai-devkit agent list`、`agent detail`、`agent console` 与 `agent send`，用于查看、监督和向运行中的会话发送提示词或标准输入。`@ai-devkit/memory` 使用本地 SQLite 保存项目决策、编码约定和可复用修复，并通过 MCP 与 CLI 按需检索。它还安装以 `dev-lifecycle` 为核心的技能，产出需求、设计、计划、实施和测试文档，适合同时使用多种编程代理、且希望把流程和验证标准统一到仓库中的团队。
运行 npx ai-devkit@latest init 后，工具在项目中创建 .ai-devkit.json、所选代理的配置目录和 docs/ai/ 分阶段文档目录。它可通过 ai-devkit agent list 和 ai-devkit agent console 展示运行会话；通过 ai-devkit agent send "..." --id <agent-name> --wait 向指定会话发送任务，也可用 --stdin 管道传入测试输出，并在支持时用 --group 发送给代理组。ai-devkit memory store 将标题、内容、标签和范围写入本地 SQLite，ai-devkit memory search --query "..." 检索相关知识。dev-lifecycle 引导需求、设计、规划、实施、测试和审查，verify 要求以新的测试或构建输出作为完成依据。
- 使用 Claude Code、Codex CLI 和 Gemini CLI 的开发团队，希望用一个项目配置统一技能、规则和 MCP 设置。
- 同时运行多个本地编码会话的负责人，需要在终端界面中查看会话，并把测试日志或后续任务发给指定会话。
- 维护长期项目的后端团队，需要把 API 返回 DTO 等约定写入本地记忆，供后续代理按需搜索。
- 对 OAuth 登录等高风险功能有过程要求的团队，希望先形成需求、设计和计划文档，再开始编码。
- 需要在发布前让代理基于最新测试或构建输出证明任务完成的维护者。
如何安装或部署这个 Agent？
在项目目录运行：npx ai-devkit@latest init。初始化向导会让你选择代理和工作流，并写入可审查、可提交的项目本地文件。也可从源码安装：git clone https://github.com/Codeaholicguy/ai-devkit.git，然后执行 cd ai-devkit && npm install && npm run build。
如何使用这个 Agent？
初始化后，先运行 ai-devkit agent list 查看运行中的会话，或运行 ai-devkit agent console 打开实时终端界面。向会话派发并等待结果：ai-devkit agent send "run the tests and report back" --id <agent-name> --wait。保存记忆可使用 ai-devkit memory store --title "API handlers return DTOs" --content "REST handlers should return response DTOs instead of domain entities." --tags "api,backend" --scope "repo:codeaholicguy/ai-devkit"，随后用 ai-devkit memory search --query "API response convention" 查询。
这个 Agent 有哪些优点和局限？
- 以
.ai-devkit.json作为统一来源，可协调多种编码工具的规则、技能和 MCP 设置。 - 提供
agent console、会话列表和agent send，覆盖运行中代理的可见性与跨会话任务、日志传递。 - 记忆保存在本地 SQLite，并按需搜索，可避免把全部项目知识重复塞入提示词。
dev-lifecycle与verify将阶段文档和最新验证输出纳入完成流程。
- 远程控制并非所有已列工具都支持；README 将 opencode 标为 testing，并为多款工具标记无远程控制。
- 完整初始化会向仓库写入代理配置、技能目录和
docs/ai/工作流文档，团队需要接受这些项目内文件。 - 使用命令行初始化、会话控制和记忆检索依赖 shell、文件系统、npm 与本地运行环境。
- README 中声明 MIT，但提供的仓库元数据将许可证标为 unknown，采用前应自行确认许可证状态。
这个 Agent 与同类方案有什么区别？
与 CLAUDE.md、.cursor/rules 和 AGENTS.md 等静态规则文件相比，AI DevKit 还负责跨工具配置协调、运行会话查看与控制、会话间消息、本地可搜索记忆和基于验证输出的完成门槛；它不是 Claude Code、Codex CLI、Cursor、Gemini CLI 或 opencode 的替代品，而是对这些工具进行配置和协调。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|
| AI DevKit 当前 | 48 · 缺口较多 | ★ 1.6k | 今天 | TypeScript | Codex · Claude Code |
| Foremerge | 77 · 表现良好 | ★ 496 | 1 天前 | Rust | Codex · Claude Code |
| CORE 个人 AI 操作系统 | 44 · 缺口较多 | ★ 2k | 16 天前 | TypeScript | Codex · Claude Code |
| Mirafold | 89 · 表现良好 | ★ 15 | 5 天前 | TypeScript | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：README 声称本地运行、无遥测，记忆为本地 SQLite，但未提供代码级验证。init 写入项目本地文件，但未明确用户确认机制。依赖管理使用 npm workspaces，但未提供依赖审计或锁定文件细节。外部效果包括启动本地服务器和发送消息，但未明确权限边界。回滚机制未提及。来源归属：作者字段为空，发布者未验证。扣分原因：缺乏具体实现细节，无法确认最小权限、用户确认、数据流透明性等。
证据显示：README 描述的功能与测试文件（如 memory-dashboard 测试）一致，自洽性较好。依赖可用性：使用 npm 和 nx，但未提供依赖锁定或镜像信息。失败消息：测试中验证了错误处理（如无效端口、无效查询参数），但未覆盖所有场景。扣分原因：依赖可用性未充分证明，失败消息覆盖有限。
证据显示：README 明确目标用户（多智能体开发者）和场景（多终端、配置分散等）。能力边界：明确说明不是 LLM 替代品、不是托管服务。触发精度：技能触发依赖智能体遵循，但未提供精确触发机制。环境适配：支持多种智能体，但未提供系统要求细节。扣分原因：触发精度和部分环境适配细节不足。
证据显示：README 结构清晰，提供安装说明（npx init）、示例和 FAQ（文档链接）。命名稳定性：版本 0.47.0，但未提供命名约定。已知限制：明确列出“不是什么”。许可证：MIT。版本变更：有 CHANGELOG.md 链接。维护责任：未明确维护者。扣分原因：命名稳定性和维护责任信息不足。
证据显示：输出可用性：提供 CLI 命令和文档，输出格式未明确。边际价值：解决多智能体管理问题，有明确价值主张。成本效益：未提供性能或资源消耗数据。扣分原因：成本效益缺乏数据支持。
证据显示：README 中的声明（如支持多种智能体）未提供代码级验证。交叉来源：仅依赖 README 和测试文件，未提供外部验证。事实与推断分离：部分声明（如“完成”需要验证）是推断，未明确区分。扣分原因：缺乏可追溯的验证证据。
- 发布者身份未验证，来源归属不明确。
- 依赖安全未提供审计或锁定文件细节。
- 外部效果（如启动服务器、发送消息）的权限边界未明确。
- 回滚机制未提及。
- 成本效益缺乏数据支持。
常见问题
它会替换现有的编码代理吗？
项目记忆会发送到托管服务吗？
能否从手机操作会话？
ai-devkit channel start telegram --agent <agent-name> --daemon。