人工智能AI Agent代码智能体Agent 编排CLIAI 应用【免费下载链接】gsd-2A powerful meta-prompting, context engineering and spec-driven development system that enables agents to work for long periods of time autonomously without losing track of the big picture项目地址https://gitcode.com/gh_mirrors/gs/gsd-2点击查看免费下载导读本篇技术指南系统讲解 GSD-2 开源仓库中内置的Research Spike 工作流模板spike.md。它回答的是软件开发中最常见的悬而未决问题——技术选型、架构决策、“我们应该用 X 吗”。读完本文你将掌握如何通过/gsd start spike启动一次规范的研究冲刺先界定问题与成功标准再从多个角度展开调研最后产出带对比矩阵与备选方案的推荐结论并学会如何把可复用的调研结论沉淀为项目级 skill 或记入决策台账。一、什么是 Research Spike产出知识的“零生产代码”工作流Spike技术冲刺是极限编程与敏捷实践中常见的降低不确定性手段。GSD-2 将其形式化为一条不产出生产代码的工作流它的交付物是知识而非实现。在 spike.md 的purpose段落中模板对适用场景给出了明确定义Investigate a question, evaluate options, prototype if needed, and produce a clear recommendation. No production code is shipped — the output is knowledge.适用场景包括技术评估technology evaluation评估某库、某框架是否值得引入架构决策architecture decisions在多种架构方案之间做取舍“Should we X?” 类问题是否自研、是否迁移、是否升级。其核心价值在于把一次“可能失控的调研”压缩进一套有门禁Gate、有产物Artifact、有结论Recommendation的结构化流程中避免调研发散、结论模糊。模板元数据模板头部的template_meta定义了该工作流在 GSD-2 注册表中的关键属性template_meta name: spike version: 1 mode: markdown-phase requires_project: false artifact_dir: .gsd/workflows/spikes/ /template_meta字段值含义namespike模板注册 ID用于/gsd start spikeversion1模板版本号modemarkdown-phase运行模式为“Markdown 阶段式”区别于oneshot、yaml-step、auto-milestonerequires_projectfalse不要求项目已初始化.gsd/可独立使用artifact_dir.gsd/workflows/spikes/所有产物写入该目录这段元数据并非摆设——它正是 registry.json 中spike条目第 48-58 行的组成部分由 workflow-templates.ts 中的TemplateEntry类型统一解析加载。触发词与自动识别在 registry.json 中spike 模板还登记了一组触发词triggers: [ research, investigate, explore, spike, compare, evaluate, should we, what if, how does ]这组触发词在两种场景下被使用显式指定/gsd start spike 描述首词spike会被 resolveByName() 精确命中同时research、investigate也是该函数内置的别名自动识别若用户输入的首词不是模板名autoDetect() 会对输入文本做分词匹配——多词触发词如should we命中得分翻倍按high/medium/low置信度排序只有唯一或高置信度命中时才会自动选型否则会列出候选让用户选择。这意味着你可以直接对 Agent 说“帮我 evaluate 一下这几个日志库”而不必记得模板名。二、如何启动一次 Spike/gsd start的完整命令面spike 模板由 GSD-2 的/gsd start命令调度执行其实现位于 commands-workflow-templates.ts 的handleStart()。基本用法/gsd start spike evaluate auth libraries执行后系统会依次完成解析模板spike命中注册表中的精确匹配创建产物目录以“日期-序号-别名”格式生成目录如.gsd/workflows/spikes/260106-1-evaluate-auth-libraries日期前缀YYMMDD 自增序号见 getNextWorkflowNum() 与 slugify()创建隔离分支默认创建gsd/spike/slug分支若 git 隔离模式为worktree或branch若为none则留在当前分支写入状态文件在产物目录写STATE.json记录模板名、阶段列表、当前阶段、分支与时间戳为后续/gsd start resume提供断点续跑能力派发工作流提示将 spike.md 的完整内容注入workflow-start提示词交由 Agent 执行。辅助命令与标志命令作用/gsd start spike不带描述时若有进行中的 spike会提示用 resume 续跑/gsd start resume扫描所有工作流目录中的STATE.json从最近一次未完成的阶段续跑/gsd start spike ... --dry-run仅预览将创建的目录、分支与阶段不做任何变更/gsd templates列出全部模板及其阶段与复杂度/gsd templates info spike查看 spike 模板的详细注册信息描述、复杂度、阶段、触发词、产物目录与自动模式的冲突约束值得注意的安全约束handleStart()在派发前会检查自动模式auto-mode是否处于激活状态。由于工作流模板会自行派发消息并切换 git 分支与自动模式的派发循环存在冲突因此自动模式运行期间无法启动工作流模板需先/gsd pause见 commands-workflow-templates.ts。三、Phase 1Scope —— 界定问题与成功标准spike 的第一阶段目标非常明确定义我们在调研什么以及“一个好答案”长什么样。1. 框定问题Frame the question写下需要回答的具体问题。注意把大问题拆成可回答的子问题——例如“是否引入 ORM”可拆为“性能影响如何”“开发体验如何”“迁移成本如何”。2. 定义成功标准Define success criteria模板明确要求回答“有用的答案应包含什么”并给出了三类维度的框架对比标准Comparison criteria性能、开发体验DX、维护成本、生态成熟度等约束条件Constraints如“必须与 X 集成”“必须支持 Y”决策格式Decision formatgo/no-go、多选一、取舍矩阵tradeoff matrix。成功标准是后续验证调研是否“做完”的标尺——没有它调研会无限发散。3. 识别研究角度Identify research angles选定 23 个相互独立的切入角度。模板给出两组示例“评估库 A”“评估库 B”“评估自研”“性能影响”“开发体验影响”“迁移路径”。多角度的意义在于避免单一视角下的幸存者偏差。4. 产出 SCOPE.md 并设门禁产出在产物目录写入SCOPE.md门禁Gate将范围与研究角度提交给用户确认通过后才进入调研阶段。这是整个流程唯一强制的人工确认点防止在错误的问题上投入调研成本。四、Phase 2Research —— 多角度纵深调研第二阶段要求对每个角度做彻底调查模板给出的标准动作包括检索相关文档、基准测试benchmarks、对比资料阅读项目内的相关源码对选型至关重要——外部基准与项目真实上下文往往差异巨大必要时构建小型原型或概念验证POC记录每个角度的优缺点、风险与未知项pros, cons, risks, unknowns。每个角度的调研结果独立成文存放于产物目录的research/子目录research/ANGLE-1.md research/ANGLE-2.md每篇文档的固定结构发现findings、证据evidence、优缺点pros/cons、置信度confidence level。其中“置信度”字段尤为关键——它让结论可以被分级采信而不是把所有判断混为一谈。五、Phase 3Synthesize —— 汇总结论与推荐第三阶段把分散的调研整合为一个清晰的决策输出。1. 跨角度对比构建对比矩阵或汇总表将各角度在统一维度上对齐。2. 给出推荐模板要求推荐部分包含三层内容这正是它与“一份调研报告”的本质区别主推荐Primary recommendation基于证据应怎么做并给出理由备选方案Alternative主推荐行不通时的退路风险因子What would change the recommendation什么条件出现会推翻当前结论。3. 产出 RECOMMENDATION.md最终文档必须包含四部分执行摘要12 段对比矩阵带理由的推荐推荐被采纳后的下一步行动Next steps。4. 面向用户呈现将结论展示给用户讨论——spike 的终点是“人类与 Agent 达成一致”而非 Agent 单方面给出答案。六、收尾把调研转化为长期资产spike 最容易被浪费的价值在于结论用一次就被遗忘。spike.md 的 Phase 3 明确给出了两种沉淀路径。路径 A可复用结论 → spike-wrap-up 技能如果结论包含可复用的指导如“如何评估 X”“某库的坑有哪些”“应遵循的某种模式”则运行spike-wrap-upskill将产物打包为项目级 skill 写入.claude/skills/name/SKILL.md。该 skill 会在未来相似任务到来时由 skill-discovery.ts 自动加载——一次性调研就此变成长期能力。spike-wrap-up/SKILL.md 定义了打包的完整流程定位最新 spike → 判断是否值得打包 → 设计技能含触发词描述、目标、步骤、反模式、成功标准→ 写入.claude/skills/name/SKILL.md→ 在技能中引用来源 spike → 在.gsd/DECISIONS.md追加一行记录 → 确认下次会话可被发现。其core_principle尤其强调三个铁律不是每个 spike 都值得打包若结论是一次性决策如“选了库 Y到此为止”应走路径 B必须写入项目本地.claude/skills/不得写入用户全局目录~/.claude/skills/description 是发现性信号它是 Agent 判断是否加载技能的启发式依据应写成未来可能遇到的关键词而非摘要。路径 B一次性决策 → 记入 DECISIONS.md若结论只是决策而无复用价值则将一句话结论追加到.gsd/DECISIONS.md。该文件是 GSD 方法论的只追加决策台账见 GSD-WORKFLOW.md 的DECISIONS.md章节——行只增不改若要推翻决策则新增一行并引用旧编号同时记录Revisable?与触发条件。七、源码视角模板如何被加载与校验理解 spike 模板的“幕后”能帮你更好地定制它。注册表与解析所有模板统一登记在 registry.json。workflow-templates.ts 的loadRegistry()会惰性加载并缓存注册表resolveByName()按“精确 key → 模板名 → 前缀模糊 → 内置别名”四级顺序解析spike 对应别名research、investigate。模板解析结果携带置信度exact/high/medium/low供自动选型排序使用。阶段式执行与恢复spike 属于markdown-phase模式isLegacyWorkflowMode判定为非auto-milestone执行时会在产物目录写入STATE.json记录phases数组与每个阶段的pending/active/completed状态。/gsd start resume通过 findInProgressWorkflows() 扫描所有工作流分类目录bugfixes、features、spikes 等筛选未写completedAt的状态文件并恢复。模板覆盖机制项目或全局的插件可以同名覆盖内置模板——handleStart()优先加载插件覆盖版本resolvePlugin仅在插件缺失时才回落到内置文件loadWorkflowTemplate()。这意味着团队可以基于 spike 模板做定制而无需改动仓库内置文件。八、实践清单与常见误区一次高质量 spike 的检查清单SCOPE.md已定义成功标准对比维度、约束、决策格式并经用户确认至少 2 个独立研究角度每角度有独立research/ANGLE-N.md每篇研究文档包含发现、证据、优缺点与置信度RECOMMENDATION.md含执行摘要、对比矩阵、主推荐 备选 风险因子、下一步行动结论已向用户呈现并讨论可复用结论已打包为项目级 skill一次性决策已追加至.gsd/DECISIONS.md。常见误区跳过门禁直接开跑未与用户确认范围就调研是对研究成本的最大浪费只调研不对比单角度的调研无法支撑决策对比矩阵是 RECOMMENDATION 的骨架把一次性决策包装成 skillspike-wrap-up 的core_principle明确反对“每个 spike 都打包”——它应在.gsd/DECISIONS.md里终结结论没有置信度与风险因子没有“什么会推翻这个结论”的推荐无法在条件变化时及时调整在自动模式运行时启动模板会被handleStart()的冲突守卫拦截需先/gsd pause。结语Research Spike 工作流把“调研”从不可控的对话过程压缩为Scope带门禁→ Research多角度、带置信度→ Synthesize带对比矩阵与备选方案三阶段、三份产物的确定性流程并以.gsd/workflows/spikes/作为统一产物目录、/gsd start resume提供断点续跑。它的终点不只是“知道了答案”而是结论可追溯、可复用、可推翻——这正是 GSD-2 面向长周期自主 Agent 设计理念在“决策类任务”上的具体落地。对于团队而言你既可以直接复用内置模板也可以参照 registry.json 的结构登记自己的定制版本。赞分享人工智能AI Agent代码智能体Agent 编排CLIAI 应用【免费下载链接】gsd-2A powerful meta-prompting, context engineering and spec-driven development system that enables agents to work for long periods of time autonomously without losing track of the big picture项目地址https://gitcode.com/gh_mirrors/gs/gsd-2点击查看免费下载相关推荐cangjie-skill 阶段 2 实战用 RIA 六段法把方法论单元构造成可执行的 Agent Skillcangjie skill 阶段 2 实战用 RIA 六段法把方法论单元构造成可执行的 Agent Skill 阶段 2 是 cangjie skillAI 技能gsd 深度规划模式中的研究决策关卡guided-research-decision 阶段完整解读gsd 深度规划模式中的研究决策关卡guided research decision 阶段完整解读 导读 本文讲解 gsd 扩展中 guided resear人工智能AI Agent代码智能体Agent 编排CLIAI 应用研究要不要预注册Academic Research Skills 的预注册决策树与平台选择指南OSF/PROSPERO 等研究要不要预注册Academic Research Skills 的预注册决策树与平台选择指南OSF/PROSPERO 等 在 Academic ReseAI 技能科研AI 评测人工智能上一篇如何在GPU上进行优化CUDA内核深度解析下一篇VirtScreen 使用教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考