设计理念

机器翻译

本页面由 AI 自动翻译，可能存在术语或语义偏差。如有疑问，请以英文原文为准。

本插件里的每一条规则，最终都服务于同一个目标：一层能让智能体的记忆和流程真正落地生根的纪律层。放任不管时，智能体会直接跳到写代码，在检查之前就宣称任务完成，并在会话结束的那一刻忘记一切。Superpowers 攻克了这个问题的前一半：流程纪律。Beads 攻克了后一半：持久记忆。接下来要讲的是 beads-superpowers 在两者被接到一起之后为何如此运作，而不是它日常做了什么（那是方法论），也不是每个判断背后的证据（那是研究）。

先设计，后编码。 你会注意到，当你描述一个功能时，智能体不会立刻开始敲代码。它会先一次一个地询问目的、约束和成功标准，然后提出两三种各有权衡的方案，才动笔写第一行代码。这是一道硬性关卡，而非建议：在设计被提出并获得批准之前，任何实现类技能都不会运行，哪怕改动看起来微不足道——“简单”改动里未经检验的假设，恰恰是浪费工作最常藏身的地方。在代码写出来之前发现的规格问题，远比写出来之后发现的便宜得多——跳过这道检查的代价是有文献记录的，不是凭空假设的。

先有证据，后下结论。 任由自己判断的智能体会说“测试通过”，只因为它预期测试会通过，而不是因为它真的运行过——一旦人类发现这一点，信任就碎了。所以在这里，任何“完成”“修复好了”或“通过了”的说法，都只有在附带一条刚在这条消息里运行过、并附上输出的命令时才能成立；一个 bead 没有这样的证据就无法关闭，没有证据就关闭的 bead 比留着不关闭还要糟。你会看到命令输出先贴出来，才轮到任何庆祝的字眼。没有别人替智能体做这道验证——总得有人跑一遍检查，读一遍结果，这正是未经验证就宣称完成为何是一类反复出现的失败。

一个编排者，多个可弃用的子智能体。 被派去实现某个任务的工作者，都是从一块白板开始的：没有你此前对话的记忆，接触不到追踪器，只有编排者为这一项工作准备的确切指令。只有编排智能体才能在追踪器里创建、认领或关闭任何条目；子智能体的产出会交回给编排者，由其自行查阅，而不是与接下来运行的哪个子智能体进行实时交流。让每个子智能体都能碰共享状态，或者互相直接交流，恰恰是协调最先崩溃的地方：一次遗漏的交接，一条被忽略的更新，两个智能体在一个谁都没说出口的决定上悄悄产生分歧。参见这种失败模式在多智能体系统里为何如此常见。

用追踪器取代转瞬即逝的待办清单。 一份随聊天窗口关闭就被遗忘的待办清单，比压根没有待办清单还要糟，因为它制造了追踪的假象，却没有追踪的实质。这正是本插件继承的技能里，每一处 TodoWrite 都被替换成 bd 命令的原因：每个任务、每个多步骤技能内部的检查表步骤、每条值得记住的经验，都改为写进追踪器——作为一个带 ID 的 bead，即便会话在任务做到一半时中断，它也照样存活，还带着依赖关系图和一份记录了何时发生何事的审计轨迹。如果一个会话在工作做到一半时中断，下一个会话看到的是一条进行中的记录，而不是一张空白的页面。

技能是 Markdown，不是代码。 沿用 Superpowers 最初的设计，这里的每个技能都是一份普通的指令文件，任何智能体读了就能照着做：同一份文件，不论宿主环境是 Claude Code、Codex，还是别的什么完全不同的工具，都能用。bd 是唯一的运行时依赖，而且是可选的：没有它技能照样能用，只是失去了持久性，而不是失去了正确性。把技能保持为文字而非编译代码，正是它们从一开始就能跨智能体移植的原因；一个编译型依赖会把整个插件绑死在一种运行时上。

用绝对规则取代模糊建议。 技能写的是“在没有失败测试的情况下，绝不编写生产代码”，而不是“考虑先写个测试”——这是刻意为之，不是文风偏好。针对 AI 智能体的合规性研究发现，同样一件事，用坚定、绝对的措辞表达时，遵守率与模糊措辞相比存在显著差距。只要压力足够大，或者时间足够晚，智能体总能为一句建议式的措辞找到不照办的理由；而“必须”和“绝不”堵死了这条退路。每个执行纪律的技能都会把它的铁律和一张表格配对，表格里列出智能体惯常会找的借口，这样一来，借口在智能体真正伸手去够它之前，就已经写在纸面上了。

流程类技能优先。 当一个请求可能触发不止一个技能时，塑造方案的技能会先于执行方案的技能运行。Brainstorming 或 systematic-debugging 会排在任务最终需要的任何实现类技能之前，因为在一个未经审视的方案上继续往下建，日后返工的代价比提前停下来选好方案要高得多。“我们来构建 X”会先路由到设计，再路由到代码；“修复这个 bug”会先路由到根因分析，再路由到补丁。

精选注入，而非上下文转储。 会话开启时，积累下来的成百条记忆并不会一股脑全部冒出来。会话开始时的钩子会在一个硬性大小上限之内，选出一小份高显著度的切片，外加一个指向其余部分的指针，而不是把库里收集到的一切都注入进去。这份节省的幅度是实测出来的，不是拍脑袋估的。理由不只是成本：一份精简、排过序的切片，比一整面不加区分的文字墙更容易让智能体据以行动，而没有入选的部分也只是一次搜索之遥，并不会就此消失。

知识活在追踪器里。 一份写完一次就扔进没人再打开的文件夹里的设计理由或研究发现，帮不了下一个需要它的会话。所以参考材料——研究发现、设计说明、过往决策——会和工作本身一起归档进同一个追踪器，按主题打标签、可供检索，而不是散落在一堆会与实际发生的情况逐渐脱节的文档里。完整的书面材料仍然可以留在文档里；追踪器里存的是指向它的指针，只要相关问题一出现就能检索到，而不是只有在有人还记得它放在哪儿时才找得到。记忆与会话说明了这种检索实际是怎么运作的。

默认按生产级标准对待。 每个项目都被当作拥有真实用户来对待，不论它看起来多么微小——“这只是个脚本”恰恰是放出最糟糕缺陷的那种自我开脱。智能体不会主动悄悄砍掉一项需求、抄一个没说出口的近道，或者为了省时间削弱一项安全控制。真正的权衡会被提交给人来决定，安全性上的倒退则被直接拒绝，绝无商量余地。这条常设指令只写在一处，却在每一个真正有分量的决策发生的地方回响：brainstorming、review，以及完成前的检查。

这些决定汇聚成的机制——技能生命周期、钩子、bead 生命周期——记录在方法论里。支撑它们的文献与测量数据，收录在研究里。