AIWG：让所有 AI 编程工具「说同一种语言」的多智能体框架

背景故事：一个让开发者头疼的老大难问题

你一定遇到过这种场景：团队里有人用 Claude Code 写后端，有人用 Cursor 做前端，还有同事偏爱 GitHub Copilot，甚至有人已经在折腾 Warp 终端里的 AI 功能。每个人都在高效地工作，但当你想把一个 AI Agent 技能包——比如"自动生成 API 文档"的 Skill——在团队里推广时，问题来了：

Claude Code 读的是 .md 文件里的 SKILL.md，Cursor 读的是自己的配置路径，Copilot 有完全不同的指令格式，Warp 根本不支持这种扩展……

于是你只能一个平台一个平台地手动适配，改路径、改格式、改语法。20% 的时间在做正事，80% 的时间在「翻译」配置文件。

AIWG（AI Working Group）就是为了解决这个问题而生的。它是一个统一的多平台 AI Agent 部署框架，能让开发者在任意一个平台写好的 Agent、Skill、Rule、Template，直接部署到 10 个主流 AI 编程工具中，一次编写，到处运行。

技术定位：多平台 Agent 编排框架

AIWG 由独立开发者 jmagly 于 2025 年 8 月创建，是一个 TypeScript 编写的 Node.js CLI 工具，采用 monorepo 架构（仓库体积达 75MB+），包含 60+ 源码模块，涵盖 Agent 编排、命令管理、技能调度、上下文管道、Hook 桥接、MCP 适配等完整能力层。

它支持的 10 个 AI 编程平台包括：

• Claude Code（Anthropic）
• GitHub Copilot（Microsoft）
• Cursor
• Warp Terminal
• OpenClaw
• 以及其他 5 个平台（通过适配器层接入）

每个平台在上下文加载方式（原生 include / Markdown 指令 / 配置注册）、最大上下文字节数、支持的功能集等方面差异巨大，AIWG 通过 provider-definitions.ts 中的 ProviderContextContract 定义了各平台的差异映射，并提供 agentic/code/providers/capability-matrix.yaml 作为能力矩阵配置文件。

核心架构：Smiths 模块体系

AIWG 的核心代码位于 src/smiths/ 目录，采用 Smith 设计模式，每个 "Smith"（铁匠）负责一个专门领域的工种：

此外还有 src/agents/（Agent 元数据与 Grounding）、src/artifacts/（构件索引与查询）、src/models/（多模型路由与策略）、src/providers/（平台定义与能力矩阵）、src/extensions/（项目本地扩展）、src/mcp/adapters/（ MCP 工具适配）等核心模块，构成了完整的从源码到部署的链路。

核心功能：8 套框架，覆盖全生命周期

AIWG 提供了 8 套开箱即用的 Agent 框架，总计 200+ 个 Agent、400+ 个可部署构件、109+ 条 CLI 命令：

1. SDLC Complete（98 Agent，200+ 模板）— 完整软件开发生命周期，从需求 inception 到生产部署，多 Agent 编排 + 质量门禁 + DORA 指标
2. Forensics Complete（13 Agent，8 模板）— 数字取证与事件响应，证据采集、时间线重建、IOC 提取、Sigma 规则狩猎，遵循 NIST SP 800-86 和 MITRE ATT&CK
3. Media/Marketing Kit（37 Agent，87+ 模板）— 端到端营销运营，策略、内容创作、活动管理、品牌合规、报表
4. Media Curator（6 Agent）— 智能媒体档案管理，支持 Plex/Jellyfin/MPD 多平台导出
5. Research Complete（8 Agent，6 模板）— 学术研究自动化，论文发现、引用管理、RAG 摘要、GRADE 质量评分
6. Knowledge Base（5 模板）— 通用 LLM 辅助 wiki，支持实体/概念页面、来源摘要、FAIR 合规
7. RLM（Recursive Layered Memory）— 递归层级记忆插件，Agent 长期记忆能力
8. Marketplace — 训练数据集与 Marketplace

使用体验：安装只需一行命令

# 全局安装
npm install -g aiwg

# 部署到项目（以 SDLC 框架为例）
cd your-project
aiwg use sdlc              # 部署 98 Agent + 38 Rule + 200+ 模板

# 现有项目迁移
aiwg regenerate --existing-project --dry-run  # 预览
aiwg regenerate --existing-project --apply    # 应用

# 健康检查
aiwg doctor

安装后，aiwg CLI 会将框架构件（Agent、Skill、Rule、Template）一次性复制到目标平台的原生读取路径中（如 Claude Code 的 .claude/ 目录），然后构建本地构件索引 ~/.local/share/aiwg/index/，CLI 退出后不影响平台原生运行。

部署难度评估

AIWG 是一个纯 CLI 工具，没有 Web UI，也没有 Docker 容器化支持。安装只需 npm install -g，但要求 Node.js >= 20.0.0，对环境有明确版本要求。仓库体积较大（75MB+），主要是因为包含大量模板、Agent 构件和文档资源。

无 GPU 需求，普通开发机即可运行。部署难度为简单（2/5），适合有一定 Node.js 使用经验的开发者。

局限与争议

1. 单维护者风险：仓库几乎全部由 jmagly 一人维护（2176 commits），虽然有 MIT 许可，但长期可持续性存疑
2. 平台兼容碎片化：各平台的上下文加载机制不同（原生 include / Markdown 指令 / 配置注册），AIWG 的适配层存在一定的功能降级，README 中明确定义了每个平台的 support 状态（supported / degraded / unsupported）
3. Monorepo 体积庞大：75MB 的仓库体积和 60+ 源码模块意味着学习曲线较陡，新用户可能难以找到切入点
4. 版本号格式特殊：采用 v2026.7.19 这种日期化版本号，说明项目处于快速迭代期，API 可能不够稳定

行业意义

AIWG 代表了 AI 编程工具生态从"单打独斗"向"生态互联"的演进趋势。随着 Claude Code、Cursor、Copilot 等工具的功能越来越强大，如何让 Agent 技能包跨平台复用成为真实痛点。AIWG 的 200+ 预置 Agent 和 8 套框架表明，社区对标准化 Agent 部署格式的需求已经非常迫切。

从增长数据看，项目在 2025 年 8 月创建至今（2026 年 7 月）不到一年，已积累 168 Stars、25 Forks，日均一次以上的发布频率，显示出极高的维护活跃度。

图1：AIWG 项目由独立开发者 jmagly 维护（Avatar）

快速上手建议

• 刚接触 AI 编程工具的开发者：先用 aiwg use sdlc 体验完整的 SDLC Agent 套件
• 已深度使用某单一平台的开发者：用 aiwg use forensics 或 aiwg use research 按需引入垂直领域 Agent
• 想扩展 AIWG 的开发者：参考 src/smiths/ 的 Smith 模式，在 agentic/code/ 目录下编写自己的 Agent 框架，通过 aiwg 的构件注册机制发布