# DevRune：AI智能体指令的包管理器

> 一款用Go语言开发的CLI工具，为Claude Code、Codex、Copilot等多种AI编码智能体提供统一的技能包管理，通过一份manifest文件自动配置跨平台的工作环境。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-04-18T18:14:21.000Z
- 最近活动: 2026-04-18T18:19:43.971Z
- 热度: 152.9
- 关键词: AI智能体, Claude Code, Codex, Copilot, 包管理器, 开发工具, Go语言, MCP, 技能管理
- 页面链接: https://www.zingnex.cn/forum/thread/devrune-ai
- Canonical: https://www.zingnex.cn/forum/thread/devrune-ai
- Markdown 来源: ingested_event

---

## 问题背景

随着AI编码智能体的普及，开发者面临一个新的配置管理挑战。不同的智能体平台（Claude Code、OpenAI Codex、GitHub Copilot、OpenCode、Factory Droid等）各自使用不同的配置格式和目录结构：

- Claude Code 使用 `.claude/` 目录和 markdown 格式的技能文件
- Codex 使用 `.codex/` 目录和 TOML 配置文件
- Copilot 使用 `.github/` 目录和 `.agent.md` 文件

当开发者需要在多个智能体之间切换或保持一致的工作流时，手动维护这些配置变得异常繁琐。DevRune 正是为解决这一碎片化问题而生。

## 核心概念

DevRune 的核心理念可以概括为：**一份配置，全平台适配**。它借鉴了 npm 的包管理理念，将AI智能体的技能、规则、MCP服务器定义和工作流打包为可复用的模块。

### 包管理范式

用户只需编写一份 `devrune.yaml` 配置文件，声明所需的技能和工具，DevRune 会自动完成：

1. **解析（Resolve）**：从GitHub、GitLab或本地目录获取包内容，计算内容哈希，生成锁定文件
2. **安装（Install）**：根据配置的智能体列表，将技能渲染为各平台原生的格式
3. **状态跟踪**：记录已安装的内容，检测配置漂移

### 多智能体支持

DevRune 目前支持5种主流AI编码智能体：

| 智能体 | 输出目录 | 格式 |
|--------|----------|------|
| Claude Code | `.claude/` | Markdown + YAML frontmatter |
| Codex | `.agents/` + `.codex/` | TOML 配置 |
| OpenCode | `.agents/` + `.opencode/` | JSON 配置 |
| GitHub Copilot | `.github/` | Markdown + `.mcp.json` |
| Factory Droid | `.agents/` + `.factory/` | JSON 配置 |

多个智能体可以共享 `.agents/skills/` 目录中的技能文件，DevRune 会自动去重。

## 技术架构

### 三阶段管道

```
devrune.yaml → resolve → devrune.lock → install → workspace files
(manifest)    (fetch)    (lockfile)     (render)  (.claude/, .agents/, etc.)
```

- **Resolve 阶段**：唯一需要网络访问的阶段，获取远程包内容并锁定版本
- **Install 阶段**：纯本地操作，将锁定文件渲染为各智能体的原生配置
- **状态管理**：安装完成后写入 `.devrune/state.yaml` 用于后续漂移检测

### 智能推荐系统

DevRune 集成了AI驱动的推荐功能。在初始化向导中，用户可以选择：

1. **手动选择**：浏览目录，手动勾选需要的技能
2. **AI 推荐**：DevRune 分析项目的技术栈（通过 go-enry 检测语言、框架、依赖），调用 Claude 或 OpenCode 智能体推荐匹配的技能包

推荐结果会显示置信度分数和推荐理由，用户可选择接受或调整。

### Skills.sh 集成

DevRune 与 skills.sh（开放的智能体技能目录）集成，提供经过安全审计的精选技能包。所有集成的技能都通过了 Gen Agent Trust Hub、Socket 和 Snyk 三家安全厂商的审计。

## 配置示例

一份典型的 `devrune.yaml` 配置如下：

```yaml
schemaVersion: devrune/v1

packages:
  - source: github:davidarce/devrune-starter-catalog@main
    select:
      skills:
        - architect-adviser
        - git-commit
        - review-pr
        - unit-test-adviser
      rules:
        - architecture/clean-architecture-rules
        - tech/java-spring-rules

mcps:
  - source: github:davidarce/devrune-starter-catalog@main//mcps/engram.yaml
  - source: github:davidarce/devrune-starter-catalog@main//mcps/context7.yaml

agents:
  - name: claude
  - name: codex
  - name: copilot

workflows:
  - github:davidarce/devrune-starter-catalog@main//workflows/sdd
```

## 目录结构规范

DevRune 定义了一套标准的目录结构规范，便于技能包的共享和复用：

```
catalog/
├── skills/           # 技能定义（Markdown + YAML frontmatter）
├── rules/            # 规则文件
├── mcps/             # MCP 服务器定义
├── workflows/        # 多阶段工作流
└── tools/            # 开发者工具定义
```

这种标准化使得社区可以方便地创建和分享技能包，形成生态系统。

## 开发者体验

### 交互式向导

`devrune init` 命令启动一个基于 Bubble Tea 的 TUI 向导，引导用户完成：

1. 选择要配置的智能体
2. 选择技能包来源
3. 选择具体的技能和规则
4. 安装相关的开发者工具（如 Crit、Engram）

### CI/CD 友好

所有命令都支持 `--non-interactive` 标志，便于在持续集成环境中使用：

```bash
devrune init --non-interactive \
  --agents claude,codex \
  --source github:owner/catalog@main
```

### 离线支持

`--offline` 标志允许在完全离线的环境中工作，前提是缓存中已有所需的包内容。

## 技术选型

DevRune 使用 Go 语言开发，主要依赖：

- **Cobra**：CLI 框架
- **Bubble Tea + Huh**：交互式 TUI
- **go-enry**：语言检测
- **goreleaser**：发布自动化

这种技术栈保证了工具的高性能和跨平台兼容性（支持 macOS Apple Silicon/Intel 和 Linux amd64）。

## 局限与展望

目前 DevRune 尚不支持 Windows 原生环境（建议使用 WSL），且 AI 推荐功能需要安装 Claude Code 或 OpenCode 并登录。

未来可能的发展方向包括：

- 支持更多智能体平台
- 技能包版本管理和依赖解析
- 社区技能包注册表
- 可视化配置编辑器

## 结语

DevRune 代表了AI开发工具链走向成熟的一个标志。正如 npm 统一了JavaScript的包管理，DevRune 试图为AI智能体指令建立统一的管理标准。对于同时使用多种AI编码智能体的开发者来说，这是一个能够显著提升工作效率的工具。