最近 dogfood 一个工具叫 mainline ,分享一下做这个的真实故事,顺便看 V2EX 上有没有人感兴趣内测。
我在公司推团队用 AI 编程,作为 staff engineer 写过内部 guideline 。过程中发现一个反复出现的现象:
AI agent 写出的代码不是"明显错"——是"看起来合理,但基于错误的历史前提"。
具体例子:
repo 里有个半成品的 Redis 队列:redis.go 、TODO 注释、docker-compose 里也配了 redis 。Claude Code 看到这些,合理地想把这个实现完。
但实际情况——这个团队 3 周前已经放弃 Redis 了,因为 replication 延迟导致 billing 事件重复。这个决定散在某个 PR 评论里、Slack 几条消息、几个工程师脑子里。
代码搜索能看到 redis 文件——但看不到那个决定。
每个都在某些场景下 work——但都没解决"agent 改不熟悉的代码前能拿到团队的真实决策"这个问题。
mainline 的 thesis:决策记忆应该是 git 一等公民。
具体设计:
如果上面场景命中你——欢迎私信或评论,我直接给你安装包 + 文档 + 每周一次 30 分钟同步。bug 我会优先 fix 。
也想听 V2EX 上的反馈——有没有更好的现有解决方案我没想到的?有没有觉得这个方向不对的?
不卖东西,纯粹想找几个深度用户 + 听不同视角。
1
a186232641 15h 21m ago
网页是啥 skill 做的,视觉感很好
|
2
ChristopherWu OP @a186232641 一个 design 的 skill
|
3
ChristopherWu OP 😂 怎么都没人回复的
|
4
9684xtpa 9h 41m ago
读了一遍,我问一个问题,我维护一个 actor log 和让 AI 记录到 md 的成本区别是啥
|
5
ChristopherWu OP @9684xtpa actor log 是结构化的,Agent 装了 skill 后自动记录,读取,而且持久化、渐进式记录到 git 上。
你写到 md 上,就需要结构化、渐进式记录。也不是不能做到,就像 text 也可以用 grep 做数据库一样,为什么还需要 mysql, nosql |
6
foolishcrab 6h 34m ago
提出的问题是确实存在的而且存在很久了,并不是 Agent/AI specific 的问题吧。Linus 之前就开喷过了“没看懂为什么这个代码这么写就别他妈改”。
你提出的这个场景并没有很有说服力,似乎让 agent 做出重大重构的时候自动更新 agents.md 就够用了。 |
7
ChristopherWu OP @foolishcrab 同意,这个问题本身不是 AI/Agent 才有的。人类工程师也一直会犯:没理解历史背景就改代码。Linus 那个骂法本质上也是在说这个。
我觉得 Agent 让它变得更突出,不是因为问题新,而是因为频率和规模变了:以前一个人没看懂乱改,是一个 PR ;现在多个 agent 可以很快在不同分支里重复同样的误解,而且它们不会像团队成员一样通过日常讨论、事故记忆、Slack 背景慢慢“渗透式”获得上下文。 `AGENTS.md` / rules 文件我觉得适合放稳定规则,比如代码风格、测试命令、架构偏好、不要用某个库之类。 但很多历史意图不是稳定规则,而是有生命周期的决策记录: * 这个方案试过,但因为 X 被 abandoned ; * 这个 decision 已经被 superseded ; * 这个 legacy path 暂时不能删,但未来某个条件满足后可以删; * 这个 migration 有未关闭风险; * 这个约束只和某些文件/commit/PR 有关。 如果都塞进 `AGENTS.md`,它很快会变成一份越来越长、越来越难维护的“历史垃圾桶”。Agent 也很难知道哪条和当前 diff 真的相关。 所以我不是想替代 `AGENTS.md`,而是想把它分层: `AGENTS.md`:长期行为规则。 Mainline:和具体工程改动相关的 intent record ,可以按当前文件、分支、commit 、in-flight work 检索。 也就是:不是“让 agent 自动更新一个大说明文档”,而是让它在做重要改动时留下结构化的 why ,未来相关改动前能被取出来。 |