我们构建了一个开源CLI,可为你的产品生成完整的AI开发流程(角色、技能、编排器)。希望有人来挑战它……
摘要
Praxis 是一个开源CLI,用于创建包含角色、技能和编排器的AI开发工作流。它会为 Claude Code 和 Cursor 等工具生成配置文件,旨在从产品目标出发启动开发,而非直接编码。
大多数AI编码设置直接跳转到代码。我们希望从一个更早的步骤开始,从产品实际是什么以及为用户而建出发,然后逐步构建流程。因此我们创建了Praxis。它是一个开源CLI,采用MIT许可证。一条命令就能将一堆AI技能文件放入你的项目,你的编码工具会立即识别它们。兼容Claude Code、Cursor、Windsurf以及任何兼容MCP的工具。运行 npx gopraxis init /praxis-onboard init 会在 .claude/commands/ 中放入44个技能。然后 /praxis-onboard 会问你一些关于产品和团队的问题,并告诉你实际应启用哪些技能,以及针对你的领域需要创建哪些自定义角色。整个过程大约两分钟。其中包含:角色如 cto、dba、qa-expert、product-manager、cmo、sre-expert;编排器(/orchestrate、/tech-team、/quality-team)能组合运行多个角色;实际循环:/kickoff、/create-plan、/execute、/review。我真正不确定的是,在编写代码之前从目标和角色开始是否真的有用,或者这仅仅是为流程而流程。我构建它是因为它对我们有效,但这显然存在偏见,所以我更愿意从没有使用过的人那里听到反馈。代码仓库和一次实际运行记录在评论区。如果你运行了它,请告诉我:这种先目标和角色的方法是否让你比现在的构建方式获得了更好的效果;它在哪些地方造成了阻碍或让人感觉多余;缺少哪些角色或步骤。目前项目还很早期,仓库零星,所以请不要留情。
相似文章
我是如何构建一个开源技能,强制AI智能体进入principal-architect模式的
一位开发者描述了他如何创建一个开源技能,强制AI智能体采用principal-architect模式,从而增强其推理和设计能力。
我构建了一个工具,将我的所有AI上下文、角色和技能存储在同一个地方,并可以从我使用的任何AI工具访问它。有人会使用它吗?
一位开发者构建了一个基于云的AI上下文层,用于存储角色、知识和技能,通过MCP可在Claude、ChatGPT、Gemini等多个AI工具中访问,提高了可复用性和协作效率。
@clerk: 想用 AI 快速编码你的下一个应用?你的 AI 代理可以在几分钟内添加生产级身份验证。Clerk Skills 为它提供了正确实现认证所需的上下文……
Clerk 推出了 Clerk Skills,这是一套可安装的包,用于 AI 编码代理,使它们能够在多个框架中实现生产级身份验证。这些技能与 Claude Code、Cursor 和 GitHub Copilot 等流行的 AI 代理兼容,允许开发者自动化身份验证设置、自定义登录流程和用户管理。
@pauliusztin_: 我们刚刚开源了完整的 @aiDotEngineer 研讨会!你可以克隆它并自行运行所有内容... → https://github…
一个开源研讨会仓库,用于构建真实世界的多智能体 AI 系统,包括深度研究智能体和 LinkedIn 写作工作流,使用 MCP 服务器、Pydantic 结构化输出以及带有 Claude Code 子智能体的智能体工程。
alirezarezvani/claude-skills
一个全面的开源库,包含354个生产级Claude Code技能和代理插件,适用于13款AI编码工具,涵盖工程、DevOps、营销、安全、合规等领域。