# Agent Workflow Template：为AI辅助开发打造的标准化工作流模板

> 一个GitHub模板仓库，帮助开发者快速建立AI辅助开发的标准化工作流，包含AGENTS.md协作规范、Cursor规则与技能、Claude Code命令、Husky钩子以及完整的CI/CD流程。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-06T22:15:49.000Z
- 最近活动: 2026-06-06T22:19:44.257Z
- 热度: 163.9
- 关键词: AI辅助开发, GitHub模板, Cursor规则, Claude Code, 代码审查, CI/CD, 开发工作流, AGENTS.md, CodeRabbit, Husky钩子
- 页面链接: https://www.zingnex.cn/forum/thread/agent-workflow-template-ai
- Canonical: https://www.zingnex.cn/forum/thread/agent-workflow-template-ai
- Markdown 来源: ingested_event

---

## 原作者与来源

- 原作者/维护者：grvermeulen
- 来源平台：github
- 原始标题：agent-workflow-template
- 原始链接：https://github.com/grvermeulen/agent-workflow-template
- 来源发布时间/更新时间：2026-06-06T22:15:49Z

## 原作者与来源\n\n- 原作者/维护者：grvermeulen\n- 来源平台：GitHub\n- 原始标题：agent-workflow-template\n- 原始链接：https://github.com/grvermeulen/agent-workflow-template\n- 来源发布时间/更新时间：2026-06-06T22:15:49Z\n\n## 项目背景与动机\n\n随着AI编程助手（如GitHub Copilot、Cursor、Claude Code等）的普及，开发者与AI协作的方式正在发生根本性变化。然而，许多团队在使用这些工具时面临一个共同挑战：缺乏标准化的协作规范和工作流。每个开发者都有自己的使用习惯，导致代码质量参差不齐，AI助手的输出也难以保持一致性。\n\nAgent Workflow Template 正是为解决这一问题而生。它不是一个具体的应用项目，而是一个**元级模板**——为AI辅助开发建立一套可复用、可扩展的协作框架。通过定义清晰的规则、配置和工作流，它帮助团队在使用AI工具时保持一致的开发体验和质量标准。\n\n## 核心架构与组件概览\n\n该模板采用分层架构设计，将AI协作的不同方面模块化，便于根据项目需求灵活组合：\n\n### 1. AGENTS.md - 协作规范的核心\n\nAGENTS.md 是整个模板的核心文件，它定义了人类开发者与AI助手之间的协作契约。文件包含两个主要部分：\n\n- **Learned Workspace Facts（工作空间事实）**：记录项目特定的信息，如技术栈、架构决策、代码规范等。这些信息帮助AI助手快速理解项目上下文，提供更精准的建议。\n- **Learned User Preferences（用户偏好）**：记录开发者个人的工作习惯和偏好设置，如代码风格、审查标准、沟通方式等。\n\n这种设计使得AGENTS.md既是项目的"入职手册"，也是AI助手的"记忆库"。\n\n### 2. Cursor 规则与技能系统\n\n模板为Cursor编辑器提供了完整的规则集和技能库：\n\n**规则文件（.cursor/rules/）**：\n- `always.md`：始终生效的基础规则\n- `agentic-workflow.mdc`：AI工作流规范\n- `api-design.mdc`：API设计准则\n- `backend-patterns.mdc`：后端开发模式\n- `code-review.mdc`：代码审查标准\n- `database-migrations.mdc`：数据库迁移规范\n- `deslop.mdc`：代码质量检查\n- `frontend-patterns.mdc`：前端开发模式\n- `search-first.mdc`：先搜索再编码原则\n- `security-checklist.mdc`：安全检查清单\n- `verification-loop.mdc`：验证循环机制\n- `agent-hooks.md`：代理钩子配置\n\n**技能库（.cursor/skills/）**：\n- `code-review`：代码审查技能\n- `deslop`：代码优化技能\n- `search-first`：搜索优先技能\n- `verification-loop`：验证循环技能\n\n这些规则文件采用`.mdc`格式，Cursor会自动读取并应用，无需额外配置。\n\n### 3. Claude Code 命令扩展\n\n模板为Claude Code CLI提供了三个强大的斜杠命令：\n\n- **`/loop-on-ci`**：持续监控PR的CI状态，自动修复失败项，处理机器人审查反馈，直到所有检查通过。这个命令将AI助手从"单次交互"升级为"持续协作伙伴"。\n- **`/vercel-setup`**：一键配置Vercel部署环境，包括创建项目、关联GitHub仓库、设置环境变量、触发首次部署等完整流程。\n- **`/agent-os-bootstrap` 与 `/agent-os-retro`**：七层个人代理操作系统框架的支持命令，涵盖身份、上下文、能力、工作流、界面、人机协作和复利效应。\n\n### 4. GitHub Actions 工作流矩阵\n\n模板预置了完整的CI/CD工作流体系：\n\n| 工作流文件 | 功能描述 |\n|-----------|---------|\n| `agentic-ci.yml` | 代码规范检查、类型检查、构建验证、测试执行 |\n| `ai-review.yml` | AI驱动的PR审查 |\n| `coderabbit-major-gate.yml` | 当CodeRabbit报告Major/Critical问题时阻止合并 |\n| `copilot-code-review.yml` | GitHub Copilot审查触发 |\n| `copilot-setup-steps.yml` | Copilot/CI复用设置步骤 |\n| `post-merge-verify.yml` | 合并后的主分支验证 |\n\n### 5. Husky Git 钩子\n\n模板配置了自动化的Git钩子，确保代码提交前的质量把关：\n\n- **pre-commit**：Prettier格式化 → 合并冲突标记检查 → ESLint → TypeScript类型检查 → Vitest测试运行\n- **pre-push**：文档完整性检查\n\n### 6. CodeRabbit 配置\n\n`.coderabbit.yaml`文件配置了CodeRabbit的审查行为：\n- 采用`chill`配置文件，保持友好的审查语气\n- 文档字符串覆盖率警告阈值设为80%\n- 自定义`deslop`和`nl-check`完成检查\n\n## 使用流程与最佳实践\n\n### 初始化新项目\n\n1. 点击"Use this template" → "Create a new repository"创建新仓库\n2. 打开`AGENTS.md`，将`Learned Workspace Facts`部分替换为新项目的具体信息（技术栈、架构、规范等）\n3. 确保`package.json`定义了必要的npm脚本（`lint`、`format`、`format:fix`、`test`等）\n4. 运行`husky install`或`npm run prepare`激活Git钩子\n5. 在仓库设置中配置CodeRabbit\n6. 配置工作流所需的密钥（如`OPENAI_API_KEY`）\n7. 如需Vercel部署，运行`/vercel-setup`命令\n8. 运行`/agent-os-bootstrap`初始化七层代理操作系统\n\n### 日常开发工作流\n\n1. **编码阶段**：开发者使用Cursor或Claude Code进行编码，AI助手自动应用`.cursor/rules/`中的规则\n2. **提交前**：Husky钩子自动运行格式化、linting和测试\n3. **PR创建**：CodeRabbit和Copilot自动进行代码审查\n4. **CI阶段**：`agentic-ci.yml`验证代码质量\n5. **持续修复**：使用`/loop-on-ci`命令让AI助手持续监控和修复CI失败项\n6. **合并后**：`post-merge-verify.yml`验证主分支状态\n\n## 技术亮点与创新点\n\n### 1. 多代理协同架构\n\n模板设计了一个多代理协同的工作环境：\n- **Cursor**：负责日常编码和即时反馈\n- **Claude Code**：处理复杂任务和持续集成\n- **CodeRabbit**：专注于代码审查和质量把关\n- **GitHub Copilot**：提供实时代码补全和建议\n- **Husky**：在本地提交前进行质量检查\n\n这些代理不是相互替代，而是各司其职，形成一个完整的AI辅助开发生态。\n\n### 2. 规则即代码（Rules as Code）\n\n将开发规范、审查标准、工作流程等以代码形式（Markdown和YAML）存储，实现了：\n- **版本控制**：规则变更可追溯、可回滚\n- **团队协作**：所有成员共享同一套规范\n- **AI可理解**：结构化格式便于AI助手解析和执行\n- **可测试性**：可以通过CI验证规则是否符合预期\n\n### 3. 渐进式采用策略\n\n模板采用"按需采用"的设计哲学：\n- 不包含具体的应用代码、测试代码或框架配置\n- 不包含特定供应商的工作流（如Sentry、Neon等）\n- 开发者可以根据项目需要选择性启用组件\n\n这种设计降低了采用门槛，同时保持了足够的灵活性。\n\n## 适用场景与目标用户\n\n该模板特别适合以下场景：\n\n1. **新启动的项目**：从一开始就建立AI协作规范\n2. **团队协作项目**：统一团队成员使用AI工具的方式\n3. **开源项目**：为贡献者提供清晰的协作指南\n4. **AI原生开发**：以AI协作为核心工作模式的团队\n\n目标用户包括：\n- 希望标准化AI辅助开发流程的技术团队\n- 追求代码质量和一致性的项目维护者\n- 希望减少代码审查摩擦的开发者\n- 探索AI-Native开发模式的早期采用者\n\n## 局限性与注意事项\n\n1. **技术栈假设**：部分钩子和工作流假设使用Node.js + Next.js技术栈，非Node项目需要适当调整\n2. **实验性功能**：`.cursor/hooks.ts`被标记为实验性功能，可能需要根据Cursor版本更新\n3. **命令兼容性**：`loop-on-ci`斜杠命令专为Claude Code CLI设计，其他代理可能需要等效实现\n4. **学习曲线**：首次使用需要理解各组件的协作关系，建议从核心功能开始逐步扩展\n\n## 总结与展望\n\nAgent Workflow Template 代表了AI辅助开发向标准化、工程化演进的重要一步。它不仅提供了一套工具配置，更重要的是建立了一种新的协作范式：人类开发者与AI助手不再是简单的"使用者-工具"关系，而是基于明确契约的协作伙伴关系。\n\n随着AI编程助手的快速发展，这类模板的价值将愈发凸显。它帮助团队在享受AI效率提升的同时，保持代码质量和开发规范的可控性。对于正在探索AI-Native开发模式的团队来说，这是一个值得深入研究和采用的起点。