Show HN: QUALITY.md – 开放格式/规范、代理技能和命令行工具

Hacker News Top 工具

摘要

QUALITY.md 是一种开放的文件格式和命令行工具,用于定义和评估项目质量,帮助团队和代理在质量标准上保持一致。

大家好,我创建了QUALITY.md,旨在为我的项目构建一个全面的质量评估流程。事实证明,它也非常适合用于循环工程。我希望这能为围绕质量和工艺的讨论做出有价值的贡献,并让AI帮助我们实现这一目标。我希望将心态从被动/审查/修复转变为主动关怀。<p>试试看。期待您的想法/评论/反馈!<p>网站:<a href="https://getquality.md" rel="nofollow">https://getquality.md</a> GitHub:<a href="https://github.com/qualitymd/quality.md" rel="nofollow">https://github.com/qualitymd/quality.md</a>
查看原文
查看缓存全文

缓存时间: 2026/07/02 17:07

# 欢迎 - QUALITY.md 来源: https://getquality.md/ 开放格式 (https://getquality.md/specification) 智能体技能 (https://getquality.md/skill) CLI (https://getquality.md/cli) 构建工程循环以提高项目质量,使你的团队和智能体在对最重要的质量含义上保持一致。 入门 (https://getquality.md/quickstart) 构建质量循环 (https://getquality.md/loops) 阅读规范 (https://getquality.md/specification) ### 什么是 QUALITY.md? QUALITY.md 是一种开放文件格式 (https://getquality.md/specification),用于声明项目质量模型:一个关于期望质量特性(安全性、可维护性、代码质量、测试/规范质量等)、质量要求(指南、传感器、原则、标准、规则、规范)以及上下文(使命/目的、用户/利益相关者需求、风险等)的整体框架,说明它们为何重要。 QUALITY.md 格式规范 (https://getquality.md/specification) 设计为与智能体、工具和供应商无关。配套的 `/quality` 智能体技能 (https://getquality.md/skill) 和 `qualitymd` CLI (https://getquality.md/cli) 既作为参考实现,也作为使用 `QUALITY.md` 文件的入门工具包,包括创建全面的质量评估报告 (https://github.com/qualitymd/quality.md/blob/main/examples/report-gallery/software-service/.quality/evaluations/0001-full-eval/report.md) 和带有优先级排序的改进建议 (https://github.com/qualitymd/quality.md/blob/main/examples/report-gallery/software-service/.quality/evaluations/0001-full-eval/recommendations.md) 的能力,这些建议可以直接移交或进一步审查,适用于工程质量循环或增强现有工作流程。 ### 为什么使用 QUALITY.md? - 确保利益相关者就最重要的内容及其原因达成一致 - 确定最具影响力且风险最低的质量改进 - 构建智能体控制循环,以持续维护和改进质量 - 主动管理质量,而非被动应对 - 处理意图、理解和技术债务 - 将判断力和品味提升到循环堆栈的上层 - 在最高杠杆点上累积学习 ### 理念 维护一个事物的质量就是关爱它。当一个事物为了另一个事物的利益而存在时,好好关爱它也就是好好关爱另一个事物。 QUALITY.md 的目标是通过让人类和智能体都能轻松进行维护实践,从而帮助他人更好地关爱事物。 ### 如何使用 QUALITY.md? ### 常见问题

相似文章

QA Crow

Product Hunt

QA Crow 是一个缺陷跟踪和质量保证工具,旨在帮助开发团队管理缺陷积压。

将 hf CLI 设计为适合 Hub 使用的 Agent 优化工具

Hugging Face Blog

Hugging Face 重新设计了其 `hf` CLI,使其同时面向人类用户和 Claude Code、Codex 等 AI 编程 Agent 进行优化,具备 Agent 感知的输出渲染能力,基准测试显示在复杂任务上相比不使用 CLI 的方案最高可节省 6 倍的 token 消耗。