AgentSlice – 讓AI編程代理在編輯前先詢問
AgentSlice是一個免費開源的工作流工具包，通過Markdown文件定義階段和審批門控，使Cursor、Claude Code、Codex、Windsurf等AI編程代理在編輯前先詢問、規劃並獲得批准，從而避免上下文漂移、隨意編輯和未經許可的修改。
文章情報
要點
- 開源工具包，通過Markdown文件引導AI代理遵循“詢問→規劃→批准→構建→QA→發佈”的流程
- 支持Cursor、Claude Code、Codex、Windsurf等多種AI工具，無需運行時或編輯器擴展
- 解決代理常見的上下文漂移、隨意編輯和未經批准直接修改的問題
- MIT許可，可自由用於商業和個人項目
為甚麼重要
這條新聞值得關注，因為開源工具包，通過Markdown文件引導AI代理遵循“詢問→規劃→批准→構建→QA→發佈”的流程。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
AgentSlice 是一個免費、開源的工作流工具包，專門為 AI 編程代理設計。它的核心理念是讓代理在編輯代碼之前先詢問、規劃並等待批准，從而避免常見的三大失敗模式：上下文漂移（代理忘記之前的決定）、隨意編輯（代理擴大任務範圍，觸及無關文件）以及未經許可直接修改代碼。
該工具包完全基於 Markdown 文件，不依賴任何運行時或編輯器擴展。它提供了一套簡潔的文件結構，包括安裝提示、規劃文檔、技能文件和規則文件，適用於 Cursor、Claude Code、Codex、Windsurf 以及任何遵循項目級規則文件的代理。工作流程分為六個階段：詢問（Ask）、規劃（Plan）、批准（Approve）、構建（Build）、質量檢查（QA）和發佈（Release），然後循環進入下一個切分（Slice）。狀態文件保存在 docs/planning/workflow-state.md 中，確保代理會話可以從真實檢查點恢復，而不是重新猜測。
AgentSlice 的誕生源於開發者 Espen Andreassen 三個月內構建 AI 產品的實驗。他嘗試了多種工作流，最終發現這套方法最有效——通過攝入問題、切分紀律、QA 交接和跨工具一致性來提高效率。選擇純 Markdown 而非運行時，主要出於兩點考慮：可移植性（同一套文件可在多種工具中使用）和誠實性（Markdown 文件無法強制 LLM 遵守，但通過清晰的指引實現軟約束）。如果需要硬性控制，可以配合 Cursor 的 PLAN/ASK 切換或 Claude Code 的鈎子使用。
該項目採用 MIT 許可證，歡迎通過 PR、Issues 或討論區貢獻。維護者 Espen Andreassen 鼓勵用户反饋代理行為異常的完整對話記錄，以便優化規則。目前 AgentSlice 在 GitHub 上擁有 0 星，但作為一個新興工具，它為 AI 輔助編程的工作流管理提供了實用的解決方案。