Cadence：智能体无关的项目工作流CLI工具

一个与具体AI智能体无关的命令行工具，为完整项目工作流提供支持——从决策制定、任务执行到代码审查，基于项目模板知识框架构建。

随着AI编程助手的普及，开发者的工作方式正在发生深刻变化。Claude Code、GitHub Copilot、Cursor、Devin等工具各显神通，但它们之间往往缺乏协同。一个团队可能同时使用多种AI工具，每种工具都有自己的工作流、上下文管理机制和输出格式。

这种碎片化带来了几个问题：

• 上下文孤岛：在Claude Code中积累的领域知识，无法直接传递给Copilot
• 工作流不一致：不同工具推荐的开发步骤可能相互矛盾
• 供应商锁定：过度依赖特定工具的生态，迁移成本高昂

Cadence 项目提出了一种新的思路：与其让AI工具定义工作流，不如让工作流定义AI工具的使用方式。

"智能体无关"（Agent-agnostic）是 Cadence 的核心设计理念。它意味着：

1. 不绑定特定AI：Cadence 可以与任何支持标准接口的AI智能体配合工作
2. 工作流即代码：项目的开发流程被显式定义和版本控制
3. 知识框架中立：领域知识存储在开放格式中，而非特定工具的私有格式

这种设计让团队能够：

• 根据任务特点选择最合适的AI工具
• 在工具之间无缝切换而不丢失上下文
• 建立团队一致的工作标准

Cadence 将软件开发工作流划分为三个相互关联的阶段：

在编写任何代码之前，需要明确"做什么"和"为什么"。Cadence 提供结构化的决策支持：

$ cadence decision start --topic "数据库选型"

这会启动一个交互式会话，引导团队：

1. 明确决策范围：需要解决什么问题？约束条件是什么？
2. 收集候选方案：PostgreSQL、MySQL、MongoDB、SQLite等
3. 评估维度定义：性能、生态、团队熟悉度、运维成本
4. 证据收集：让AI协助搜索相关基准测试、案例研究
5. 决策记录：生成架构决策记录（ADR），存入项目文档

决策阶段的关键输出是架构决策记录（ADR），它不仅是选择的记录，更是未来回顾和审计的依据。

决策明确后，进入执行阶段。Cadence 将开发任务分解为可管理的单元：

$ cadence work start --task "实现用户认证模块" --adr 0001-auth-design

工作阶段的核心功能包括：

• 上下文准备：自动收集相关的ADR、API文档、代码规范
• 任务分解：将大任务拆分为可验证的小步骤
• AI协作接口：通过标准化协议与AI智能体通信
• 进度追踪：记录每个步骤的状态和阻塞原因
• 工件管理：规范代码、测试、文档的产出位置

Cadence 不直接生成代码，而是为AI智能体提供必要的上下文，让其生成符合项目规范的代码。

代码完成后，进入审查阶段。Cadence 提供结构化的审查流程：

$ cadence review start --pr 42

审查阶段关注：

• 架构合规性：代码是否符合已记录的架构决策？
• 测试覆盖：新增代码是否有对应的测试？
• 文档更新：接口变更是否同步更新了文档？
• 性能影响：关键路径的性能是否退化？
• 安全扫描：是否存在已知漏洞模式？

审查可以人工进行，也可以让AI智能体协助完成部分检查项。

Cadence 的强大之处在于其底层的"项目模板知识框架"。这是一个约定优于配置的系统，定义了：