IDEAS CONNECT PROJECTS
从一个标签出发，打开一份值得研究的档案。
找到 6 个项目
清除筛选以下内容已由 AI 根据历史资料整理，供本地测试，未经人工复核。
一个界面统一管理 28+ 个 AI 编程代理平台 Skills 的跨平台桌面应用
skills-manage 是一款基于 Tauri v2 的跨平台桌面应用，用于在一个统一界面中管理 28+ 个 AI 编程代理（Coding Agent）平台的 Skills（技能/插件）。它由社区开发者志辉（@iamzhihuix）开发，于 2026 年 4 月 20 日发布首个公开版本 v0.8.0，采用 Apache 2.0 开源协议。该应用通过“中央技能库 + 符号链接分发”的机制，将 Skills 统一存放在 `~/.agents/skills/` 目录，并通过 symlink 链接到各平台目录，实现零副本、零同步延迟的管理。它内置 Skills 市场，支持从 GitHub 仓库一键导入，并提供 AI 自动解释功能以降低理解门槛。应用采用本地优先策略，所有数据存储在本地 SQLite 中，无需账号和云服务。当前预编译包仅支持 macOS，Windows/Linux 需从源码构建。
基于Git Worktree物理隔离与DAG调度的多智能体并行编程方案
Codex 是 OpenAI 于 2025 年开源的终端 AI 编程助手，其多智能体能力将编程任务拆解为有向无环图（DAG），由 Manager 调度多个 Subagent 在独立的 Git Worktree 中并行执行，通过 Harness 层统一管理上下文压缩、状态同步和执行环境隔离。该方案旨在解决多智能体并行时的 Token 消耗暴涨、上下文失控和状态无法收敛等痛点，强调控制成本、控制状态、控制依赖，而非追求最大并行度。核心机制包括 Manager 负责任务拆解、依赖分析和结果合并，Subagent 在独立工作区中执行具体编码任务，Harness 提供执行环境隔离、上下文自动压缩和状态同步。配置采用全局与项目级双层体系，支持 MCP 工具集成和自动化审批。报告指出并发数 4 左右是甜点区间，超过后 Token 消耗指数增长但收益递减。该方案适用于全栈应用并行开发、大型项目重构、多模块库开发等场景，但 Token 成本高、合并冲突风险和学习曲线陡峭等局限也需注意。
在 Claude Code 工作流中直接调用 OpenAI Codex CLI，实现跨模型协作的官方插件
Codex Plugin for Claude Code 是 OpenAI 官方推出的 Claude Code 插件，让用户可以在 Claude Code 工作流中直接调用 OpenAI Codex CLI，实现跨模型协作——用 Claude 做主力编程，用 Codex 做代码审查和任务委派。插件通过 Claude Code 的 Plugin System 注册自定义 Slash Commands、Hooks、Subagents 和 Skills，在命令触发时通过 Bash 调用本地 Codex CLI 的 App Server 接口。它提供六个 Slash Command，覆盖代码审查、对抗性审查、任务委派和任务管理；通过 SessionStart、SessionEnd、Stop 三种 Hook 实现生命周期管理和自动质量门控。其核心创新是 Review Gate，在 Claude Code 完成代码修改后自动触发 Codex 审查，审查结果为 ALLOW 则放行，BLOCK 则阻止 Stop 并让 Claude 继续修复，形成自动化的写代码、审查、修复循环。插件支持后台运行任务、灵活选择 Codex 模型，并自动读取现有 Codex 配置。
Yeachan-Heo/oh-my-codex为 OpenAI Codex CLI 提供结构化工作流、多 Agent 协作与持久化状态管理的开源增强层。
OMX（Oh My Codex）是 OpenAI Codex CLI 的工作流增强层，它不替代 Codex，而是在其上叠加结构化工作流、多 Agent 协作、持久化状态管理和专业角色系统。它主要解决 Codex CLI 缺乏结构化工作流、多任务并行时缺少团队协调机制、项目状态与计划无法跨会话持久化、缺少专业角色分工等问题。其核心是四个 Skill：$deep-interview 用于澄清需求边界，$ralplan 用于生成并审批实现计划，$ralph 用于单人持续执行到完成，$team 用于基于 tmux 的多 Agent 并行执行。所有计划、日志、记忆和运行时状态都持久化在项目本地的 .omx/ 目录中，并通过 Codex 原生的 .codex/hooks.json 机制集成。OMX 主要针对 macOS/Linux 平台优化，并锁定 OpenAI Codex 生态。
深入解析 Claude Code 的工程体系：从动态提示词编排到工具治理与多 Agent 协作
本报告基于对 Claude Code 源码的深度分析，揭示了其作为 AI 编程助手的核心工程体系。报告指出，Claude Code 的价值不仅在于提示词，更在于一整套将行为制度、工具治理、Agent 分工、上下文经济学和生命周期管理连成闭环的系统。其动态 System Prompt 编排将静态“宪法”与动态“当期政策”分离，并通过缓存友好边界优化成本。工具调用经过完整的治理流水线，包括输入校验、权限检查、风险预判和 Hook 拦截。系统内置多个专职子 Agent，如 Explore、Plan、Verification，实现角色分离，避免利益冲突。此外，报告还介绍了 Skill、Plugin、MCP 三套扩展机制，以及上下文经济学中的缓存复用、按需加载等策略。报告也指出了其学习曲线陡峭、成本较高、依赖 Anthropic API 等局限性。
完全本地化、无需 API 的 AI 编程助手，通过推理时增强让 14B 小模型在单张消费级 GPU 上达到接近前沿模型的编程能力。
ATLAS（Adaptive Test-time Learning and Autonomous Specialization）是一个完全本地化、无需 API 的 AI 编程助手，由 Virginia Tech 商学院学生 Isaac Tigges 独立开发，采用 AGPL-3.0 开源许可。其核心思路是冻结小模型（如 Qwen3-14B），通过智能推理基础设施在推理阶段提升输出质量，而非微调模型。在 RTX 5060 Ti 16GB 显卡上，ATLAS 在 LiveCodeBench v5 上达到 74.6% pass@1-v(k=3) 的分数，接近 GPT-5 和 Claude 4.5 的水平。其 V3 Pipeline 包含三阶段：候选生成（PlanSearch、BudgetForcing、DivSampling）、Lens 路由评分和 PR-CoT 自验证迭代修复。ATLAS 支持 8 个工具调用，通过语法约束解码保证 JSON 输出格式正确，并采用 T1/T2 文件分级机制智能路由简单与复杂任务。主要优势是 100% 本地运行、零 API 成本（每任务约 $0.004 电费）和数据隐私，但需要 16GB VRAM 的 NVIDIA GPU，安装复杂且仅支持 Linux。