q00/ouroboros · 2026 年收录

【开源自荐】Ouroboros：先把需求问清楚再让 AI 写代码的 Agent OS，顺便不让它「刷分」

Ouroboros 是一个开源的本地优先 Agent OS，核心主张是两件事：意图没想清楚之前，不让 AI 开始写代码；判分断言不进执行 agent 的 prompt，让它没法靠刷分过关。它坐在 Claude Code、Codex CLI

被谁收录过

投稿原文（节选）

项目地址 https://github.com/Q00/ouroboros 类别人工智能项目标题一个不让 AI 看着答案写代码的 Agent OS 项目描述 AI 写不好代码，很多时候不是模型不够聪明，而是需求本身就是模糊的：你说「做个任务管理 CLI」，它就自己猜数据模型、存储方式和优先级规则，等你 review 到第三个文件才发现方向不对，只能返工。Ouroboros 是一个本地优先的 Agent OS，它坐在 Claude Code、Codex CLI 等 13 个运行时前面，先用苏格拉底式提问把你自己都没意识到的隐藏假设问出来，凝结成一份不可变规约，再去执行和自动验收。亮点和同类「AI 编程工作流」项目相比，它最不一样的地方是把「什么时候可以开始写代码」和「什么时候可以停」都变成了数字，而不是感觉：访谈不靠「差不多了」结束，靠一个阈值。模糊度被量化成加权清晰度的反值 Ambiguity = 1 - Σ(clarity × weight) ，模糊度高于 0.2 会挡住规约生成——是挡住，不是锁死；绕过它的办法是显式传入强制（force），屏幕上一直摆着这个选项。演化循环那头，最近两代的本体相似度 ≥ 0.95 会判定收敛，但那不是唯一出口——停滞、反复出现的同类反馈、以及 30 代预算耗尽同样会让循环停下来。两道数学关卡，一个理念：没想清楚之前不要写，没稳定之前不要停。评估分层递进，先便宜后贵。 Mechanical（免费、确定性检查）→ Semantic → Multi-Model Consensus。能在第一层否掉的，绝不送去烧 LLM 判分的钱。但要说清楚：三层齐跑只在直接评估这条路径上成立。演化循环里实际只跑 Semantic 一层——第一层默认关着，第三层在那条路径上是写死关掉的。专门防 AI「刷分」。当一条验收标准定义了自己的验证命令或期望输出时，那些值不会进执行 agent 的契约块，也没有开关能把它放回去（项目级的 lint/test 命令是故意给它的——藏起来的是那条标准的答案）；失败信息里的断言字符串会被一并过滤，失败时它拿到的是根据工具调用轨迹重建的提示，而不是答案本身。（脱敏是逐字的，只覆盖五种编码，断言换个形状仍会漏——这一条开着 issue，没有藏着说已解决。）因为一旦 agent 看得见断言，糊弄断言永远比真正实现需求更省力。失败不是终点。被评估拒绝的结果会自动进入有预算上限的演化循环，下一代的力气集中在没通过的验收标准上——代码里把标准切成 active 和 frozen 两组，互不重叠。要说清楚的是，冻结是把力气集中到该做的地方，不是「已经过的从此不会再挂」：另有一个回归检测器专门看上一代通过、这一代却挂掉的标准，而且还有一个不冻结任何标准的对照组。循环还带震荡检测和等级回退检测，专门识破「分数在两代之间来回跳」的假收敛。本地优先、MIT 协议，中文 README 齐全（ README.zh-CN.md ）。示例代码 # 安装：一条命令，自动识别本机可用的 AI 编码运行时 curl -fsSL https://raw.githubusercontent.com/Q00/ouroboros/main/scripts/install.sh | OUROBOROS_INSTALL_REF=hellogithub bash 装完后打开你的 AI 编码 agent，直接开始访谈： > ooo interview "I want to build a task management CLI" 它不会立刻开始写代码，而是先反问：数据存哪里、命令边界到哪、任务 ID 怎么指定……把这些答完，才会生成规约并进入执行。设计细节可以直接读这两处：模糊度评分在 README.zh-CN.md 的「模糊度分数」一节，防刷分和收敛循环的完整 RFC 在 issue #1917 。中文逐章指南 https://ouroboros.page/learn/zh/ 安装、访谈、规约、执行、评估、演化、现有项目、故障排查、术语表、架构，一共 13 页，和英文版章节齐平。里面的每个数字都注了出处文件，你可以直接对着源码核。其中「故障排查」那章有 -32000 启动失败的处理，英文版目前还没有。

← 看全部项目