grace-marketplace
osovv/grace-marketplace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。
想象一下：你让 AI 编程助手开发一个用户认证模块，它兴致勃勃地写完了，测试也跑过了。但两周后，另一个 AI 接手维护这个模块时，却完全"看不懂"——不知道每个函数的职责边界，不清楚数据从哪里来，不理解为什么要这样设计。它要么花大量时间"考古"代码意图，要么直接推翻重写，导致之前的工作付之东流。
这并不是孤例。随着 Claude Code、Codex CLI 等 AI 编程工具进入日常工作流，团队很快发现了一个根本矛盾：AI 生成代码很快，但维护和协作却极慢。问题不在于 AI 写不对，而在于 AI 缺乏对"项目上下文"的系统性理解——它每次对话都是从零开始，没有合同、没有蓝图、没有验收标准。
GRACE（Graph-RAG Anchored Code Engineering）正是为解决这一困境而生。它不是又一个 AI 提示词模板，而是一套合同优先的 AI 工程方法论，为 AI 编程工具构建结构化的工程护栏。
2025 年 10 月，Anthropic 正式推出 Agent Skills 开放标准，允许开发者将 SKILL.md 打包成分布式技能包，供 Claude Code 等工具按需加载。这催生了一个蓬勃的技能市场——Superpowers、Anthropic 官方技能库等动辄数万星，社区技能更是数以千计。
但在海量的技能库中，大多数技能解决的是"做什么"（how to do），而 GRACE 解决的是**"先做什么、再做什么、做完怎么验收"**（when to plan, how to execute, how to verify）。这种工程方法论的稀缺性，让 GRACE 在 Agent Skills 生态中占据了独特的定位。
GRACE 由 Vladimir Ivanov（GitHub @turboplanner）创建并维护，2026 年 2 月正式发布，6 月已达到 224 GitHub Stars、50 次 forks 的关注度，当前处于 v4.0.0-rc.1 预发布阶段。这在以 CLI 工具为主的方法论类项目中，属于相当快的增长节奏。
把 GRACE 想象成一个 AI 编程团队的"架构师兼工程监理"。传统的 AI 编程是：用户说"帮我写个电商后端"，AI 埋头就写，写完算完。
GRACE 的做法则完全不同：
GRACE = 架构师（合同制定）+ 监理（验证规划）+ 知识库（知识图谱导航）
它不直接写业务代码，而是围绕代码生成构建一套元工程流程：需求怎么描述、模块边界怎么划、验证怎么做、知识怎么积累——这些"工程管理"工作才是 GRACE 的核心。
GRACE 技能包（marketplace）提供了一套完整的 SKILL 体系，覆盖项目全生命周期：
$grace-init —— 项目骨架初始化项目启动时，运行 $grace-init，GRACE 会从模板自动生成一套标准文档结构：
AGENTS.md（多代理协作指南）docs/requirements.xml（需求规范）docs/technology.xml（技术选型）docs/development-plan.xml（开发计划）docs/verification-plan.xml（验证计划）docs/knowledge-graph.xml（知识图谱）docs/operational-packets.xml（运维数据包）所有模板均为 XML 格式，结构化程度高，AI 工具能精确解析字段含义，避免自然语言的歧义。XML 中的 M-XXX 模块 ID、V-M-XXX 验证 ID 等语义标签，是后续所有技能之间互相引用的"坐标系统"。
$grace-plan —— 模块架构规划在需求明确后，$grace-plan 执行架构设计阶段。它会根据 requirements.xml 和 technology.xml，为每个模块生成标准合同（MODULE_CONTRACT），包括：
同时，它还会将模块分类为 ENTRY_POINT（入口）、CORE_LOGIC（核心逻辑）、DATA_LAYER（数据层）等类型，为后续执行阶段提供蓝图。
$grace-execute —— 合同驱动的顺序执行执行阶段是 GRACE 区别于普通"AI 写代码"的关键。$grace-execute 不是一股脑让 AI 生成所有代码，而是：
这种"执行-验证-提交"的循环，比让 AI 无约束地生成整个模块要可控得多。
$grace-multiagent-execute —— 并行波次执行对于依赖关系已理清的模块，$grace-multiagent-execute 支持并行波次（parallel-safe waves）执行——同波次内模块互不依赖，可同时生成；波次之间有依赖顺序。这种设计在大型项目中能显著提升 AI 代理的工作效率。
$grace-cli —— 项目健康度诊断GRACE 还附带一个 Bun 驱动的 CLI 工具 @osovv/grace-cli，提供以下命令：
grace lint —— 代码完整性检查grace lint --profile autonomous —— 自主性准备度检查（autonomy gate）grace status —— 项目健康度、autonomy gate 状态、下一行动指引grace module find / grace module show —— 跨知识图谱的模块解析grace file show —— 文件级私有实现上下文查询这些 CLI 工具不替代 SKILL 的规划/执行能力，而是作为项目状态诊断和导航的辅助工具。
$grace-ask、$grace-fix、$grace-refactor、$grace-explainer围绕核心流程，GRACE 还提供了辅助技能：提问澄清（grace-ask）、缺陷修复（grace-fix）、重构（grace-refactor）、解释说明（grace-explainer），形成了一套完整的方法论工具链。
GRACE 的代码库结构清晰，核心实现集中在 src/ 目录：
| 模块 | 行数 | 职责 |
|---|---|---|
grace-lint.ts | ~4000 | 代码完整性检查、autonomy profile |
grace-status.ts | ~23000 | 项目健康度评估、状态快照 |
grace-module.ts | ~5700 | 知识图谱模块查询 |
grace-query.ts (core.ts) | ~29000 | 语义标记查询引擎 |
lint/core.ts | ~45000 | 语言适配器核心（Python/TS/Dart） |
grace-verification.ts | ~3800 | 验证规划执行 |
测试覆盖率极高：grace-lint.test.ts（~35K）、grace-status.test.ts（~23K）、grace-query.test.ts（~15K），均有完整的单元测试套件。CLI 的 validate:ci 流程包含 bun test + grace lint + validate-marketplace.ts 三重门禁。
技术栈：TypeScript + Bun（运行时 >=1.3.8），核心依赖仅有 citty（CLI 框架）和 typescript。轻量化依赖是 GRACE 刻意为之——它需要注入到 AI 编程工具的上下文里，不能引入沉重的运行时依赖。
语义标记引擎：代码分析的核心在 lint/core.ts（45K+ 行），包含 Python、TypeScript、Dart 三种语言的语义块解析器。语义块（semantic blocks）是 GRACE 方法论的关键概念——每个代码块都有命名标签（如 START_BLOCK_A、END_BLOCK_A），AI 可以精确定位和修改特定块，而非依赖模糊的"上下文理解"。
需要客观指出 GRACE 的局限性：
1. 学习曲线不低 GRACE 的核心价值在于"工程化流程"，但这恰恰要求使用者理解软件工程的基本概念——模块化、验证计划、知识图谱。对于没有工程背景的团队，GRACE 的学习成本可能比它解决的问题还要高。
2. 适用场景有限 GRACE 专为多模块、多代理协作的大型 AI 工程项目设计。对于简单脚本、一次性代码生成任务，使用 GRACE 是杀鸡用牛刀。
3. 依赖 AI 工具的上下文窗口 GRACE 的很多能力（语义标记、知识图谱导航）依赖于 AI 工具在较长的上下文窗口中处理 XML 工件。部分 AI 工具（如轻量级 IDE 插件）可能没有足够的上下文容量。
4. 当前仍处于 RC 阶段 v4.0.0 尚未正式发布，marketplace 生态的成熟度有待验证。
GRACE 代表着 AI 编程工具生态的一个重要转向：从"提示词工程"（prompt engineering）到"工程流程"（process engineering）。
当前，大多数 Agent Skills 解决的是垂直能力（SEO审计、UI设计、视频生成），而 GRACE 解决的是横切关注点（架构规划、合同管理、验证策略）。这种"工程基础设施"的定位，让 GRACE 有潜力成为 AI 编程团队的标准工作框架。
随着 Claude Code、Codex CLI、Kilo Code 等工具的持续进化，对系统性工程方法论的需求只会增长。GRACE 的合同优先（contract-first）理念，或许正是 AI 编程从"开盲盒"走向"流水线作业"的关键一步。
本报告基于 osovv/grace-marketplace GitHub 仓库（v3.11.0，主分支 main，2026年6月）分析生成。