# WDM AI Management：跨平台AI智能体配置统一管理框架

> 一个支持GitHub Copilot CLI、Claude Code、OpenAI Codex CLI和Gemini CLI的AI配置管理框架，实现一次编写、多平台部署，解决多AI助手配置碎片化问题。

- 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm)
- 发布时间: 2026-06-11T22:13:29.000Z
- 最近活动: 2026-06-11T22:24:56.888Z
- 热度: 141.8
- 关键词: AI配置管理, 多平台同步, Claude Code, GitHub Copilot, OpenAI Codex, Gemini CLI, 智能体管理, 开发工具标准化
- 页面链接: https://www.zingnex.cn/forum/thread/wdm-ai-management-ai
- Canonical: https://www.zingnex.cn/forum/thread/wdm-ai-management-ai
- Markdown 来源: ingested_event

---

## 原作者与来源

- **原作者/维护者**：WD-Mitchell
- **来源平台**：GitHub
- **原项目标题**：WDM-AI-Management
- **原文链接**：https://github.com/WD-Mitchell/WDM-AI-Management
- **发布时间**：2026年6月11日

## 背景：多AI助手的配置困境

随着AI编程助手生态的蓬勃发展，开发者往往同时使用多个工具：GitHub Copilot CLI、Claude Code、OpenAI Codex CLI、Gemini CLI等。然而，每个工具都有自己的配置格式和存储位置：

- **Claude Code**：使用`.claude/agents/*.md`，支持YAML frontmatter，字段包括`model`和`effort`
- **Copilot CLI**：使用`.github/agents/*.agent.md`，字段包括`mcp-servers`和`user-invocable`
- **Codex CLI**：使用`~/.codex/agents/*.toml`（注意是TOML格式！），字段包括`model_reasoning_effort`和`sandbox_mode`
- **Gemini CLI**：使用`.gemini/agents/*.md`，字段包括`thinkingConfig.thinkingBudget`

维护四套平行的配置文件不仅繁琐，而且容易出错。一个配置的修改需要在四个不同的地方同步更新，稍有疏忽就会导致不同助手的体验不一致。

WD-Mitchell开源的WDM AI Management项目正是为了解决这一痛点而生。它提出了"一次编写，随处部署"（Write once, deploy everywhere）的理念，让开发者可以用单一源文件管理所有AI助手的配置。

## 核心架构：单一源文件，多目标生成

WDM AI Management的核心架构可以用以下流程图表示：

```
┌─────────────────────────────────────────────────────────────────────┐
│ Source file (one per item, YAML frontmatter + markdown body)       │
│                                                                     │
│ ---                                                                 │
│ name: code-reviewer                                                 │
│ description: Reviews code for bugs and security issues              │
│ model: default-large                                                │
│ copilot_model: claude-sonnet-4.6                                    │
│ codex_copilot_description: Extended description for both            │
│ ---                                                                 │
│ You are a senior code reviewer...                                  │
└──────────────────────────────────┬──────────────────────────────────┘
                                   │
                         wdm ai sync
                         (builds + deploys)
                                   │
    ┌────────────┬──────────────┼───────────────┬────────────┐
    ▼            ▼              ▼               ▼            ▼
 .github/    .claude/       .codex/         .gemini/   ~/.copilot/
 agents/     agents/        agents/         agents/    (global only)
 *.agent.md  *.md           *.toml          *.md
 .mcp.json   config.toml    settings.json
 (project)   (merged)       (merged)
```

开发者只需编写一个Markdown源文件，系统会自动将其转换为各目标平台所需的格式，并通过符号链接和合并配置文件完成部署。

## 支持的内容类型

框架支持六类AI配置内容：

**智能体（Agents）**：定义具有特定角色和能力的AI智能体，如代码审查员、安全审计员等。

**技能（Skills）**：可复用的AI能力模块，可以被多个智能体引用。

**规则（Rules）**：编码规范、安全准则等约束性规则。

**工作流（Workflows）**：预定义的多步骤AI协作流程。

**钩子（Hooks）**：在特定事件触发时执行的AI操作。

**MCP服务器（MCP Servers）**：Model Context Protocol服务器配置。

## 多平台适配：灵活的字段覆盖机制

框架提供了强大的字段覆盖机制，允许为特定平台定制配置：

**基础字段**：所有平台共用的字段，如`name`、`description`、`model`。

**平台前缀覆盖**：使用`<platform>_<field>`格式指定特定平台的值，如`copilot_model: claude-sonnet-4.6`。

**多平台前缀**：使用`<h1>_<h2>_<field>`格式同时为多个平台指定相同值，如`codex_copilot_description`。

**全局字段**：使用`global_<field>`为所有平台设置统一值。

这种分层覆盖机制确保了配置的灵活性，同时保持了源文件的简洁性。

## 模型层级：可移植的模型引用

框架引入了模型层级概念，让配置更具可移植性：

- **default**：各平台的标准模型
- **default-small**：快速/低成本模型
- **default-large**：高级/强力模型

这些层级在`defaults.conf`中定义，并映射到各平台的具体模型。同时，框架还会自动注入与层级对应的推理参数（如Claude的`effort`、Codex的`model_reasoning_effort`、Gemini的`thinkingBudget`）。

## 部署模式：全局与项目级

框架支持两种部署模式：

**全局部署**（`-g`标志）：将配置写入用户主目录（`~/.claude/`、`~/.copilot/`等），对所有项目生效。

**项目级部署**：将配置写入当前项目的子目录（`.claude/`、`.github/`等），仅对当前项目生效。这种方式便于团队协作，可以将AI配置纳入版本控制。

## 使用流程

使用WDM AI Management的典型流程如下：

**1. 安装**：通过npm、Bun或Homebrew安装工具。

**2. 启动Web UI**：运行`wdm ai`启动本地Web界面，在浏览器中进行可视化配置管理。

**3. 编写源文件**：创建Markdown格式的源文件，使用YAML frontmatter定义元数据。

**4. 安装与部署**：使用`wdm ai --install`安装默认组，使用`wdm ai sync`部署到当前项目，或使用`wdm ai sync -g`进行全局部署。

**5. 预览模式**：使用`--dry-run`标志预览变更，不实际写入文件。

## 技术亮点：Schema白名单与自动合并

框架的两个技术亮点值得注意：

**Schema白名单**：构建系统只保留各工具官方文档中定义的字段，未知或平台特定的字段不会泄漏到错误的输出中。这通过`ai_management/build.py`中的`AGENT_SCHEMAS`、`SKILL_SCHEMAS`等定义实现。

**配置合并**：对于共享设置文件（如`.codex/config.toml`、`.gemini/settings.json`），框架采用合并策略而非覆盖，保留用户现有的个性化配置。

## 扩展性：自定义平台支持

框架支持添加新的AI助手平台。只需在`harnesses/core/`目录下创建新的JSON定义文件，声明平台名称、Schema、输出扩展名和同步目标模板，即可使用新的平台前缀和部署目标。

这种设计让框架能够适应AI助手生态的快速演进，未来出现新的工具时可以轻松接入。

## 实际应用场景

该框架在以下场景中特别有价值：

**团队标准化**：在团队内统一AI助手的配置，确保所有成员使用相同的代码审查标准、安全规则等。

**个人多设备同步**：个人开发者在多台机器上保持一致的AI助手配置。

**跨平台迁移**：从一种AI助手迁移到另一种时，无需重写所有配置。

**配置版本控制**：将AI配置纳入Git管理，追踪变更历史，支持回滚。

## 结语：AI配置管理的标准化尝试

WDM AI Management代表了AI开发工具配置管理的一种标准化尝试。随着AI编程助手的普及，配置管理的复杂度将成为开发者面临的新挑战。该框架通过"单一源文件、多目标生成"的架构，为这一问题提供了优雅的解决方案。

对于同时使用多个AI助手的开发者，或者希望在团队内标准化AI配置的 Tech Lead，这是一个值得尝试的开源工具。