agent-starter-kit
ntorga/agent-starter-kit加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
你坐在工位前，手里有一杯咖啡，眼看就要完成一个复杂的功能模块——需要同时规划架构、写代码、做安全审查。往常这意味着你要在不同模型、不同工具之间来回切换，手动传递上下文，生怕哪个环节遗漏了什么。
现在，你只需要在终端输入一行指令——"请帮我完成这个功能"——然后，一个叫 Maestro 的 AI conductor 就自动启动了。它分解任务，派遣 Architect 做规划，调度 Coder 写代码，指挥 Reviewer 做质量把关。一切井然有序，就像一位经验丰富的乐团指挥，让每位乐手各司其职。
这就是 Agent Starter Kit——一个用纯 Markdown 文件构建的多模型 AI 编程框架。它的核心理念不是"做一个更强大的 AI 工具"，而是"做一个让你现有的 AI 工具更聪明、更协调的编排框架"。
Claude Code、Codex、OpenCode……每一个 AI 编程工具都声称能改变你的工作流。现实是：这些工具各有优劣。Claude Code 在复杂推理上表现出色，但费率较高；DeepSeek 便宜又快，但长上下文理解偶有退化；GPT-4o 在某些评测基准上领先，却在其他领域平平无奇。大多数开发者把宝押在一个模型上，然后忍受它的涨跌起伏。
Agent Starter Kit 的作者 ntorga 提出了一个更务实的思路：不要依赖单一模型，让专业的人做专业的事。不同模型负责自己最擅长的环节——贵一点的模型做需要深度推理的规划，便宜快速的模型处理常规任务，从而延长你的高级套餐使用时间。
传统的 AI 编程助手往往是一个"全能选手"，但把所有能力压缩进一个 prompt 里，既昂贵又低效。更优雅的思路是：将不同的专业能力拆分成独立角色（persona），每个角色只做好一件事，通过一个协调者统一调度。这种思路并非 Agent Starter Kit 独有，但它的实现方式独树一帜——完全基于 Markdown 文件。
Agent Starter Kit 的代码仓库结构极为精简，整个框架由三个核心目录组成：
personas/ — AI 角色定义。描述"我是谁"、"我做什么"、"我如何交接工作"、"我的底线是什么"。skills/ — 可复用的操作规程。回答"如何执行 X"，让角色专注"做什么"而非"怎么做"。rules/ — 约束与规范。包括代码规范、Git 工作流等。这种结构的精妙之处在于：每个文件都是纯文本。没有 Docker，没有依赖安装，没有运行时环境。你不需要为了扩展框架去学某种 DSL（领域特定语言），只需要写 Markdown——任何人都能编辑的格式。
Maestro 是整个框架的入口点和协调中枢。它负责：理解用户需求，将其分解为子任务；判断任务复杂度，决定使用快速模式还是完整编排模式；按需派遣不同的 persona 执行任务；管理跨会话记忆，确保中断后能从断点恢复。
Maestro 运行时有两种模式：快速模式（Quick Mode）下，Maestro 不介入，用户直接与 AI CLI 交互，框架仅自动加载 AGENTS.md 风格规范；完整编排模式（Full Orchestration）下，Maestro 接管全局，按流程调度各个专业角色。
Architect 的职责是在动手编码之前，先把事情想清楚。它负责：定义实现前后的状态对比（before/after）；规划多步骤实现路径；评估技术方案的取舍；自我审查：GRASP 原则检验。
有趣的是，Architect 的 prompt 里专门定义了一个 preferredModel 字段，允许你指定它使用哪个模型。你可以让贵的模型做规划，让便宜的模型执行代码，从而在保证质量的同时控制成本。
Coder 负责根据 Architect 的规划编写代码。它的设计哲学很有意思：不只是"写代码"，而是要在提交前完成 自我审查（GRASP 自评）；遵循 AGENTS.md 中的项目级编码规范；遇到循环重试时按 loop-recovery 技能处理。
Reviewer 是最后一道关卡。它执行多层审查：Coherence Review（逻辑一致性、正确性、结构完整性）；Quality Review（编码规范合规性）；Security Review（OWASP 对齐的安全检查清单）；Architect Adversarial（对 Architect 的规划进行对抗性验证）。
Reviewer 的审查等级按代码变更规模（LOC）自动选择——小改动轻量审查，大改动全量安全审计。这种分级策略避免了对小修改过度审查的繁琐，也确保了大改动的安全底线。
框架通过 skills/dispatch.md 定义了一个 Providers 列表，映射每个模型家族到对应的 CLI 工具。当一个 persona 的 preferredModel 与宿主运行时一致时，Maestro 直接使用宿主内置的子 agent 机制；当需要跨 provider 调度时，Maestro 通过 stdin 管道向目标 CLI 工具发送组装好的 prompt。
这意味着：你可以让 Claude Code 作为 host，用它来编排整个工作流，但具体的代码编写任务实际分配给 DeepSeek 的模型执行。
框架维护两个记忆文件：.memory/long-term.md（长期记忆，存储用户偏好、经验教训、项目约定）和 .context/session.md（当前会话上下文，记录未完成任务和状态）。每次 session 启动时，Maestro 的 boot 序列会检查 .agents/ 是否有更新，若有则读取 changelog 并清理失效的长期记忆条目。
Agent Starter Kit 对 OpenCode 提供了第一方支持。框架包含 shell 脚本，在检测到 yq 和 jq 工具后，自动生成 opencode.json，配置 persona 的 agent 绑定、temperature、thinking budget 等参数。
作者做了一项很有意思的研究：基于 121+ 次代码审查任务的统计，发现 MoE（混合专家）模型在思维 token 超过 16,000 后会出现退化——模型开始为发现的问题做辩护、软化严重性、合理化它本应标记的 bug。框架在 boot 序列中会自动为各 persona 设置符合此约束的 thinking budget。
cd /path/to/your/project
git clone git@github.com:ntorga/agent-starter-kit.git .agents
ln -s .agents/AGENTS.md AGENTS.md
安装就是 clone 一个仓库、创建一个软链接，没有 npm install，没有 pip install，没有 Docker build。
Agent Starter Kit 代表了一个趋势：从"一个模型做所有事"到"多模型协作各司其职"。它的 Markdown-first 设计哲学让框架本身变得透明、可审计、可 fork——你不是在用一个黑盒工具，而是在构建一个属于自己的 AI 工作流定义。
随着 Claude Code、Codex、OpenCode 等 AI CLI 工具日益普及，类似的编排框架将成为开发者工具链中越来越重要的一环。Agent Starter Kit 的价值不在于它现在有多少 stars，而在于它验证了一种用纯文本定义 AI 工作流的可行性。
Maestro 在 Clean Architecture Go 项目中启动——自动创建 .gitignore、自动更新框架、带 33 个上下文文件和记忆系统。
如果你对 Agent Starter Kit 感兴趣，建议从以下路径开始：
personas/ 和 rules/ 中加入你项目的特定规范，让框架真正成为团队工作流的一部分