Ouroboros Agent OS
把模糊的编程需求转为可回放、可验证的规格驱动工作流。
按维度查看评分与理由
证据显示：README 提到安装脚本会修改配置并注册 MCP 服务器，但未明确最小权限原则；首次使用时会询问用户，但未说明所有外部操作都需确认；数据流描述不完整，未说明哪些数据被发送到何处；提到 API 密钥应通过环境变量管理，但未说明具体处理方式；依赖有版本上限和精确锁定，但未提供漏洞扫描证据；安装脚本会修改系统配置，但未说明回滚机制；未提供来源归属信息。扣分原因：权限最小化、用户确认、数据流透明、敏感数据处理、外部影响、回滚、来源归属均缺乏具体实现细节。
证据显示：README 和 pyproject.toml 中的描述一致，但未提供运行时一致性测试；依赖有版本范围，但未提供可用性保证；错误处理描述不完整，未提供失败消息示例。扣分原因：自一致性、依赖可用性、失败消息均缺乏具体证据。
证据显示：README 描述了多种使用场景和运行时支持，但未明确目标受众；能力边界描述不完整，未说明哪些功能不支持；触发命令描述清晰，但未说明所有触发条件；环境适配描述不完整，未说明所有支持的环境。扣分原因：受众和场景、能力边界、触发精度、环境适配均缺乏具体细节。
证据显示：README 结构清晰，但未提供完整的信息架构；安装说明详细，但未提供所有平台的安装指南；命名稳定，但未提供命名规范文档；提供了示例，但未提供 FAQ；未明确已知限制；许可证为 MIT，但未提供版权声明；未提供版本变更日志；未明确维护责任。扣分原因：信息架构、安装说明、命名稳定性、示例和 FAQ、已知限制、版本变更日志、维护责任均缺乏具体证据。
证据显示：README 描述了输出格式，但未提供实际输出示例；提供了价值主张，但未提供实际效果数据；未提供成本效益分析。扣分原因：输出可用性、边际价值、成本效益均缺乏具体证据。
证据显示：README 中的声明未提供具体证据；未提供交叉验证；未区分事实和推断。扣分原因：声明可追溯性、交叉来源验证、事实推断分离均缺乏具体证据。
- 安装脚本会修改系统配置并注册 MCP 服务器，用户应审查脚本内容后再执行。
- 依赖锁定策略虽严格，但未提供漏洞扫描证据，建议用户自行检查依赖安全性。
- README 中的性能声明（如 Ambiguity 阈值）未提供实际测试数据，用户应谨慎依赖。
这个 Agent 能做什么，适合哪些场景？
Ouroboros 是面向 AI 编程的本地优先运行时与命令行工具，围绕 Interview、Seed、Execute、Evaluate、Evolve 建立规格优先的开发流程。它将需求访谈结果固化为不可变的 Seed 规格，并以事件存储记录执行谱系和检查点，用于恢复与回放。项目提供 `ooo` 会话技能、`ouroboros` CLI、MCP 客户端/服务器集成，以及针对多个编码运行时的适配层。执行阶段采用 Double Diamond 分解，评估阶段依次运行 Mechanical、Semantic 与 Multi-Model Consensus 三道门。它适合希望在现有编码 CLI 中加强需求澄清、验收标准和执行可追溯性的团队；它不是独立托管的代码生成服务。
用户可在编码代理会话中运行 ooo interview "..."，或在终端使用 ouroboros init start 发起苏格拉底式访谈。系统将回答整理为 Seed，并以 Ambiguity <= 0.2 作为生成 Seed 的门槛；随后可通过 ouroboros run seed.yaml 执行工作流。运行时包含 bigbang、execution、evaluation、evolution、persistence、orchestrator 和 mcp 等组件；持久化层使用 SQLAlchemy 与 aiosqlite 记录事件和检查点。ooo evaluate 执行机械、语义和多模型共识验证，ooo evolve 根据反馈继续迭代，ooo ralph 则跨会话持续运行，直至本体相似度达到 0.95。ouroboros setup --runtime <...> 可检测并配置 Claude Code、Codex CLI、OpenCode、Hermes、Gemini、Kiro、Copilot、Pi 或 Zcode 等运行时，并在支持的宿主中注册 MCP 服务。
- 使用 Codex CLI 的个人开发者，在开始实现任务管理 CLI 前通过
ooo interview明确约束和验收条件。 - 使用 Claude Code 的团队，为容易在实现中偏离目标的功能建立不可变 Seed 与可回放的执行记录。
- 维护既有仓库的工程师，借助 brownfield 探索与配置文件检测，在改造前补足代码库上下文。
- 需要更严格交付核验的开发团队，在
ouroboros run seed.yaml后执行 Mechanical、Semantic 和 Multi-Model Consensus 评估。 - 在 Copilot CLI 中工作的开发者，通过
ouroboros setup --runtime copilot发现模型并注册 MCP 配置。 - 希望跨会话持续推进规格演化的用户，使用
ooo ralph让事件存储恢复执行谱系。
这个 Agent 有哪些优点和局限？
- 将访谈、不可变 Seed、执行与三阶段评估连接为明确流程，而非只提供一次性提示模板。
- 事件存储和检查点支持执行谱系重建、会话恢复及
ooo ralph的跨会话持续循环。 - 同一工作流可接入多种编码 CLI，并提供 MCP 集成和运行时选择。
- Ambiguity <= 0.2 与本体相似度 >= 0.95 为进入实现和停止演化提供了文档化的量化门槛。
- 核心工作方式依赖受支持的 AI 编码 CLI、模型后端或 MCP 宿主，并非无需外部运行时即可使用的独立应用。
- MCP 2 与当前 Claude Agent SDK 所需的
mcp大版本不兼容；[mcp]与[claude]被明确拆分为不同安装配置。 - MCP 宿主注册要求
uvx或pipx；若两者均不可用，setup 会退出且不修改运行时配置。 - LiteLLM 相关配置限制在 Python 3.12–3.13，且
[all]不包含 MCP 2。
如何安装或部署这个 Agent？
基础安装：pip install ouroboros-ai。需要 MCP 支持时：pipx install 'ouroboros-ai[mcp]'，然后运行 ouroboros setup --runtime <opencode|kiro|copilot|gemini|pi|zcode>；宿主注册要求可用的 uvx 或 pipx。也可使用安装脚本：curl -fsSL https://raw.githubusercontent.com/Q00/ouroboros/main/scripts/install.sh | bash。Python 需为 3.12 或更高版本；LiteLLM 相关安装配置仅支持 Python 3.12–3.13。Copilot CLI 首次配置前需运行 gh auth login，用于实时发现模型。
如何使用这个 Agent？
完成 ouroboros setup 后，在受支持的编码代理会话中输入 ooo。例如：ooo interview "I want to build a task management CLI"；也可在终端依次运行 ouroboros init start 和 ouroboros run seed.yaml。用 ouroboros status executions 查看执行状态，用 ouroboros resume 重新连接进行中的会话，用 ouroboros cancel execution [<id>|--all] 取消执行。需要固定某一流水线阶段的模型时，可通过 ooo config 直接配置模型。
这个 Agent 与同类方案有什么区别？
与直接使用 AI 编码工具相比，Ouroboros 将重点放在实现前的访谈与 Seed 规格门槛，以及实现后的自动化三阶段验证。它可单独用于支持的 CLI，也可与 Q00/ouroboros-plugins 的领域工作流和 Q00/ourocode 终端壳组合使用。
常见问题
它是否会替代 Codex CLI 或 Claude Code？
评估是否完全免费？
执行中断后能恢复吗？
ouroboros resume、状态查询和取消命令。能否直接使用 Claude API？
ouroboros-ai[claude] 的独立 Claude SDK 配置，但该配置不会注册 MCP 服务器，因为隔离进程内无法使用已配置的 Claude 后端。