大多数AI编码工具在写出一行代码前会失败.
提示很模糊,模型悄悄地用你从未同意的假设填补了空白.
你要求"任务管理CLI".
模型选择一个数据模型,一个优先方案,一个持久性层——都合理,都不是你的.
在审查期间你找到三个文件 并重新整理 这是我们大部分人所坚持的循环:即时,猜想,重做,重复。
Ouroboros是一个开源代理OS,它固定输入而不是输出.
它是一个本地首个运行时层,它坐落在克勞德代碼,Codex CLI,OpenCode,双子座 CLI,GitHub Copilot CLI,基洛,赫尔墨斯,皮和Zcode等前,并用一个可重复播放的五相工作流程来取代可被临时提示:采访,种子,执行,评价,进化.
真正的问题在于不清楚Ouroboros的本意 这是一张简单的表格: 问题 Ouroboros 解决 Vague 提示 AI 猜测, 你重做 Socratic 采访 暴露隐藏的假设 没有Spec Architecture在代码手动QA"看起来不错"之前的中建 Immultable 种子 spec 锁定意图不是三相自动评价门的验证 固定目标明确,而不是能力。
循环访谈: Socratic 质询 浮出你不知道的假设。
种子:你的答案结晶成一成不变的规格:接受标准,本体,约束.
执行:种子经过双钻分解(发现-定义-设计-交付).
评价:三阶段大门:机械(自由、确定性检查)-语义-多模式共识。
演化:评价产出反馈回下一代种子,周期会重复到系统停止学习任何新东西.
每个周期都是为了汇合,而不只是重复.
停止状态不是计时器 也不是计分器 这是数学。
面试结束时,数学说,这是我发现最具体的部分。
Ouroboros将模糊性评为四个方面(目标、限制、成功标准和现有代码库的背景)加权清晰度的反差: README的一个绿地例子: 一个种子,执行由来所建的不可改变的光谱,直到模棱两可下降到0.2或下.
超过这个阈值,你仍然在猜测建筑,所以系统不停地提问,而不是让你(或代理)开始在不稳定的地基上写代码.
进化回路在出道时有一个相匹配的出道口:当连续几代人之间的肿瘤相似度达到0.95时会停止,同时对停滞,振荡,和重复反馈分别进行检测,以免在已经回答的问题上永远旋转.
尝试它,然后,在一个支持的 AI 编码代理会话中: 支持您正在使用的运行时间的安装器自动检测器( Claude Code, Codex CLI, GitHub Copilot CLI, OpenCode, Hermes, Gemini, Kiro CLI, Pi CLI, Zcode) 并注册主机支持它的MCP服务器 。
之后的一切(种子生成,执行,评价,进化回路)都由同一会话内部驱动.
也有从终端直接(,,等)运行事物的平地CLI.
还有,这个进化循环 持续跨越会话界限。
如果您的机器重启了中路, 它重建了事件商店的分界线, 并取回它留下的地方而不是重新开始。
Ouroboros在实践上的这些变化,使你第一次尝试你实际同意的东西时输入的内容——一个纸质线索(种子,分类账,评估阶段),你可以检查之后而不是从diff重建意图.
它不能保证第一次尝试时更好的代码; 它保证你知道你想要什么。
如果你已经感受到了"AI造出合理的东西,只是不是我的意思"这一具体的痛苦,这样的光谱第一循环值得一看.
它有MIT许可,Python 3.12+,Repo有每个支持的CLI运行时间指南:github.co