强烈推荐的开源项目：Trellis —— 让你的 AI Coding Agent 拥有团队级工程规范的开源 Harness

Trellis 是我一直在使用的 AI 编码工程框架，被称为“The best agent harness”。

它通过将项目规范、任务上下文和记忆持久化到代码仓库，让 AI Agent（如 Claude Code、Codex、Hermes Agent 等）不再每次从零开始，而是拥有团队级的工程标准和跨平台一致性，大幅提升开发效率和代码质量。

具体来说：

很多人觉得 AI 编码 Agent 越写越不靠谱，第一反应是换模型、堆提示词、加更长的上下文。但问题很多时候不在模型，而在它每次进项目时都是“空着脑子”进场：

项目结构不知道，命名规范不知道，技术选型不知道，上次做到哪也不知道。

Trellis 做的事，就是给 AI 编码 Agent 装上一套项目级工程记忆。

它会在你的代码库里建立一个 .trellis/ 目录，把项目规范、任务 PRD、实现上下文、审查记录、会话日志都沉淀下来，并跟代码一起进入版本管理。

也就是说，你不是每次重新教 AI 怎么写这个项目，而是让它每次开工前先读项目自己的“工程手册”。

它最有价值的地方不是单纯塞上下文，而是把 AI 编码流程变成一套标准工作流：

1. Plan：先把需求问清楚
2. Implement：按 PRD 和项目规范写代码
3. Verify：对照 lint、type check、test 和 spec 自查
4. Finish：把这次踩过的坑和新规则写回项目记忆

这就很像把一个“聪明但每天失忆的临时工”，慢慢训练成一个“知道项目规矩、能接着上次继续干活的团队成员”。

更关键的是，Trellis 不绑死工具。它支持 Claude Code、Codex、Cursor、OpenCode、Gemini CLI、GitHub Copilot 等 14 个 AI 编码平台。团队里一个人沉淀的规范，全队的 AI 都能继承。

核心特性：

1. 自动注入规范：.trellis/spec/ 中编写一次，AI 每次会话自动加载
2. 任务中心工作流：.trellis/tasks/ 存放 PRD、实现上下文、审查记录
3. 项目记忆：.trellis/workspace/ 记录上一次会话状态
4. 团队共享标准：规范随代码版本控制，团队共用

目前已获 9.7k+ stars ，有中英文文档，社区活跃。特别适合个人开发者、团队工程师和重度使用 AI 编码工具的用户。

也推荐一下项目的负责人之一：卡牌大师崔斯特 @cuisitekp。

https://github.com/mindfold-ai/Trellis…

#AIAgent #ClaudeCode #AgentHarness #AI工具 #开源项目 #Codex

mindfold-ai/Trellis

Source: https://github.com/mindfold-ai/Trellis

An out-of-the-box engineering framework for AI coding.
_{AI writes code fast, but every session it starts from scratch — no memory of your project, your conventions, or your team's requirements. Trellis persists specs, tasks, and memory into your repo, so any coding agent works to your engineering standards.}

简体中文 • Docs • Quick Start • Supported Platforms • Use Cases

Why Trellis?

Prerequisites:

• Node.js >= 18
• Python >= 3.9

Quick Start

# 1. Install Trellis
npm install -g @mindfoldhq/trellis@latest

# 2. Initialize in your repo
trellis init -u your-name

# 3. Or initialize with the platforms you actually use
trellis init --cursor --opencode --codex -u your-name

See the Quick Start and Supported Platforms guides for setup details.

How to Use

The workflow is simple:

1. Describe what you want in natural language.
2. Brainstorm with the AI one question at a time until the PRD is clear, then implementation begins.
3. Let it run — the AI calls Trellis Implement and auto-checks the result against specs, lint, type-check, and tests.
4. Type /trellis:finish-work when the work is done or the session context fills up. Trellis archives the task and updates journals.

How It Works

Trellis runs a 4-phase loop with auto-invoked skills and sub-agents:

1. Plan — trellis-brainstorm walks through requirements one question at a time and writes prd.md. Research-heavy items go to a trellis-research sub-agent. The result is curated specs + research files referenced from implement.jsonl / check.jsonl.
2. Implement — a trellis-implement sub-agent writes code from the PRD with the curated context auto-injected, no git commit.
3. Verify — a trellis-check sub-agent reviews the diff against specs and runs lint, type-check, and tests, self-fixing where it can.
4. Finish — a final check runs, then trellis-update-spec promotes new learnings back into .trellis/spec/ so the next session starts smarter.

Resources

FAQ

Star History

Community & Resources

• Official Docs
• GitHub Issues
• Discord
• Tech Blog

Official Repository • AGPL-3.0 License • Built by Mindfold