Edward的Agent工作栈：一套完整的AI实习生工程规范

AI编程助手正从"玩具"走向生产工具，但团队如何规范与AI协作仍是挑战。edward-agent-stack开源项目提供了一套完整解决方案：不仅是工具安装脚本，更是经过实战检验的AI实习生工程规范，包含工具链、工作流规范和决策记录机制，专为Codex实习生设计。

该项目由giaphutran12维护，核心目标是为Codex实习生（或AI助手用户）建立标准化工作环境。设计理念清晰：从全新公司Mac开始，跳过个人iCloud账户，构建专属工作场景的Agent原生环境。与常见工具清单不同，它强调工作流规范和决策记录，要求任务前加载规则文件、任务后捕获决策，形成可追溯的工作历史。

核心工具链

• 核心CLI工具：Codex（主Agent）、Caveman、Claude Code、GitHub CLI、ripgrep、tmux、Docker、Python生态、Node生态、jq、ffmpeg
• 云服务CLI：Supabase CLI、Vercel CLI
• MCP/App工具：Exa（搜索）、Linear（项目管理）、MemPalace（记忆）、Playwright、Computer Use、Repowise
• 明确排除工具：Notion、TinyFish、OMX、Kiro、mlx_whisper

安装流程

1. bootstrap-macos.sh：处理macOS基础环境（Xcode CLI、Homebrew、Rosetta）
2. install.sh：安装核心CLI和技能工具
3. verify.sh：验证安装完整性
4. auth-doctor.sh：检查认证状态，列出需手动配置的API密钥

分阶段设计实用，承认OAuth等步骤无法完全自动化，清晰告知用户后续操作。

规则体系

edward-rules是分层技能路由系统：

• 父技能edward-rules负责路由子技能
• 子技能：edward-decision-capture（决策捕获）、edward-escalation（升级上报）、edward-project-notes（项目笔记）

任务开始需加载：/caveman ultra（简洁模式）、$edward-rules、PROJECT.md、相关决策记录 任务结束需执行决策捕获检查：是否有可复用决策？上下文是否变化？需更新项目/决策笔记？

决策记录

• Project Notes：项目事实、当前状态、技术选型
• Decision Notes：决策背景、选项、证据、结论 文档格式遵循手册风格：问题（工作流断裂点）、标准（应做事项）、原因（标准存在理由）、流程（命令/文件/升级格式）

企业集成

支持BLI Cockpit管理系统：

• 操作员身份认证
• 工单上下文绑定（BLI_ACTIVE_TICKET）
• Cockpit事件发射（工作聚合与归因）

安全隐私

• 使用本地macOS用户，不使用个人iCloud
• 不检查或打印本地环境/密钥文件
• 认证门前停止，不强制登录
• Nia等工具标记为"可选"，需Edward批准后使用

适用场景

• 有实习生/初级开发者使用AI助手的团队
• 需要建立AI协作规范的组织
• 使用Codex作为主要Agent的开发环境
• 重视决策记录和知识沉淀的项目

局限性

• 主要针对macOS环境
• 与Codex生态深度绑定，对Claude、ChatGPT等Agent支持有限
• 需要一定前期配置投入

edward-agent-stack代表了成熟的AI协作方法论：不追求"一键自动化一切"，而是在承认现实约束的基础上，建立可持续的人机协作规范。对于探索规模化使用AI编程助手的组织，该项目提供了宝贵的参考实现。