构建企业级 AI 编程助手（AI-OS）v1.0，集成 Matt Pocock 全套技能，实现零幻觉开发

告别单文件 Prompt：构建企业级 AI 编程助手（AI-OS）v1.0，集成 Matt Pocock 全套技能，实现零幻觉开发

引言：为什么你的 AI 编程总是“翻车”？

在使用 OpenCode、Cursor、Cline 等 AI 编程工具时，你是否遇到过以下痛点：

破局之道：大模型工程化的核心，不是写一个“超级 Prompt”，而是构建一套 AI 能理解、能执行、能自我校验的标准化操作系统（AI-OS）。

本文将为你开源一套经过生产环境验证的 AI-OS v1.0 架构。通过“分层路由 + 物理工具校验”，并深度集成 Matt Pocock 的 21 个全流程神级 Skills，让 AI 像运行程序一样严格执行开发任务，真正实现一次搭建，终身复用，零幻觉。

一、 核心架构：从“单文件”到“分层路由洋葱模型”

我们将规则拆分为全局资产与项目资产，AI 在不同阶段只加载当前需要的层，确保注意力 100% 集中：

核心突破：将通用资产和顶级开源 Skills 放入全局目录 ~/.ai-os/，新项目只需一个 800 字的 RULES.md 即可继承所有能力。

二、 第一步：全局环境一键初始化（只需执行一次）

打开你的终端，复制并运行以下 Bash 脚本。它将在 10 秒内为你搭建好全局的 AI-OS 资产库，并自动整合你本地的 Matt Pocock 21 个 Skills。

#!/bin/bash
# AI-OS v1.0 全局初始化脚本 – 终极落地版 (集成 Matt Pocock Skills)

echo "🚀 开始初始化 AI-OS v1.0 全局环境…"

# 1. 创建全局目录结构
mkdir -p ~/.ai-os/{standards,sops,skills,templates,stacks}

# 2. 整合 Matt Pocock 的 21 个神级 Skills
echo "🔗 整合 Matt Pocock 21 Skills…"
# 替换成你存放skill的目录
MATT_SKILLS_DIR="/Users/litianyu/skills"
if [ -d "$MATT_SKILLS_DIR" ]; then
# 将 skills 目录下的所有内容复制到全局 skills 目录
cp -r "$MATT_SKILLS_DIR"/* ~/.ai-os/skills/ 2>/dev/null
echo "✅ Matt Pocock 21 Skills 已成功整合到 ~/.ai-os/skills/"
else
echo "⚠️ 警告：未找到 $MATT_SKILLS_DIR，请确认路径或手动复制 skills 到 ~/.ai-os/skills/"
fi

# 3. 生成核心 SOP (标准作业程序)
cat << 'EOF' > ~/.ai-os/sops/SOP_TDD.md
# TDD 标准作业程序 v1.0
## 强制执行步骤
1. 读取 PRD 和领域模型，提取所有测试场景（正常、异常、边界）
2. 编写第一个失败的单元测试
3. 【强制】调用终端工具运行测试，确认测试失败
4. 编写最小实现代码，只写让测试通过的最少代码
5. 【强制】调用终端工具运行测试，确认测试通过
6. 重构代码，优化可读性和性能
7. 【强制】调用终端工具运行所有测试，确认没有回归
8. 【强制】调用终端工具运行 lint 和类型检查
9. 只有当所有命令都返回 0 退出码时，才能结束任务
EOF

cat << 'EOF' > ~/.ai-os/sops/SOP_TRIAGE.md
# Bug 排查标准作业程序 v1.0
## 强制执行步骤
1. 读取错误日志，提取关键信息：错误类型、发生位置、堆栈信息
2. 调用终端工具 grep 相关代码，定位问题所在文件
3. 分析根因，列出可能的解决方案
4. 生成修复 Diff
5. 【强制】调用终端工具运行相关测试，确认修复有效
6. 【强制】调用终端工具运行所有测试，确认没有引入新的 Bug
EOF

# 4. 生成编码与 Git 规范
cat << 'EOF' > ~/.ai-os/standards/CLEAN_CODE.md
# 清洁代码规范 v1.0
– 单个函数不超过 50 行，单个文件不超过 300 行
– 每个函数只做一件事，参数不超过 5 个
– 注释“为什么”，而不是“做什么”
EOF

cat << 'EOF' > ~/.ai-os/standards/GIT_WORKFLOW.md
# Git 工作流规范 v1.0
– 提交信息必须符合 Conventional Commits：type(scope): message
– 类型：feat, fix, docs, style, refactor, test, chore
EOF

# 5. 生成项目级 MCP 模板与 .aiignore
cat << 'EOF' > ~/.ai-os/templates/mcp_template.json
{
"mcpServers": {
"filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "./"] },
"git": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-git"] },
"command": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-command", "–allow", "python,pytest,git,docker,ruff,mypy"] }
}
}
EOF

cat << 'EOF' > ~/.ai-os/templates/.aiignore
venv/
__pycache__/
.pytest_cache/
.env
*.log
node_modules/
EOF

echo "✅ AI-OS v1.0 全局初始化完成！"

三、 第二步：项目级一键创世（每个新项目执行）

新建你的项目目录，打开 OpenCode / Cursor / Cline，直接粘贴以下“创世 Prompt”（以 Python+FastAPI 为例）：

# 角色与任务
你是顶级 AI 架构师，严格遵守工程规范，拒绝任何幻觉。请基于全局 AI-OS (~/.ai-os/) 初始化当前项目。

# 项目信息
– 项目名称：my-awesome-api
– 技术栈：Python 3.11 + FastAPI + PostgreSQL + Redis
– 项目描述：一个高并发的电商订单处理系统

# 执行步骤
1. 读取 ~/.ai-os/templates/.aiignore，写入当前目录的 .aiignore
2. 读取 ~/.ai-os/templates/mcp_template.json，写入当前目录的 .mcp.json
3. 创建 .ai/ 和 .ai/context/ 目录
4. 创建 .ai/RULES.md，内容必须严格如下：

— (RULES.md 内容开始) —
# 项目 AI 路由协议 v1.0
## 核心原则
– 严谨务实，拒绝幻觉，不确定就说"我不确定"
– 复杂逻辑使用 deepseek-v4-pro，简单任务使用 deepseek-v4-flash

## 资产路由
– 全局规范：~/.ai-os/standards/
– 全局 SOP：~/.ai-os/sops/
– 全局技能：~/.ai-os/skills/ (包含 Matt Pocock 21 Skills)
– 项目上下文：.ai/context/

## 物理工具映射（根据当前客户端自动适配）
– 执行终端命令：execute_command / run_command / run_terminal
– 读取文件：read_file
– 写入/修改文件：write_to_file / apply_diff

## 【强制输出格式】（核心防幻觉机制）
所有回答必须严格按照以下 XML 格式输出，禁止自由发挥：
<thinking>
1. 我当前的任务是什么？
2. 我需要读取哪些文件？（必须列出完整路径）
3. 我需要调用哪些终端工具进行物理校验？
</thinking>

<file-loading>
– 已读取：.ai/RULES.md
– 已读取：[其他相关文件路径]
</file-loading>

<plan>
1. 步骤 1
2. 步骤 2
</plan>

<execution>
具体代码或输出内容
</execution>

<verification>
1. 我是否运行了 ruff/mypy/pytest 进行物理校验？
2. 我是否遵守了所有编码规范？
</verification>

## 强制执行规则
1. 代码生成后，必须自动运行 lint、typecheck 和 test
2. 只有所有命令都通过，才能结束任务
3. 每次修改必须使用 apply_diff 生成增量修改，禁止输出完整文件

## 技能自动路由与调用协议 (Matt Pocock 21 Skills)
你已集成 Matt Pocock 的全流程神级技能库。**禁止被动等待用户输入 `@`**，你必须根据当前对话的上下文、开发阶段和任务意图，**自动识别并调用**对应的技能。

### 1. 调用动作规范
当匹配到对应技能时，必须首先使用 `read_file` 工具读取 `~/.ai-os/skills/<技能名>/skill.md`（若目录结构不同则自适应查找同级 `.md`），读取后严格按照其内部的 Steps 和 Rules 执行。

### 2. 全生命周期技能路由表

#### 阶段一：需求规划与对齐 (Requirements)
– **触发场景**：刚提出新功能、需求模糊、需要宏观梳理、需输出标准文档。
– **自动路由**：
– `grill-me`：需求模糊时，自动进行穷尽式追问，消除歧义。
– `zoom-out`：需求复杂时，跳出细节梳理整体架构上下文。
– `to-prd`：需求确认完毕，自动将对话转化为标准 PRD 文档。

#### 阶段二：领域建模与架构设计 (Design)
– **触发场景**：项目初始化、定义业务模型、多人协作需统一术语、设计 API。
– **自动路由**：
– `domain-model`：定义业务模型时，打磨术语一致性，生成 CONTEXT.md/ADR。
– `ubiquitous-language`：需要统一团队术语时，提取 DDD 统一语言术语表。
– `design-an-interface`：需要设计 API/功能接口时，生成多套设计方案供选择。

#### 阶段三：项目初始化与工程化 (Setup)
– **触发场景**：新建项目、配置代码规范、初始化目录结构、配置 Git 防护。
– **自动路由**：
– `setup-pre-commit`：配置 Husky 等代码预提交校验。
– `git-guardrails-claude-code`：配置 Git 防护，拦截 push/reset 等危险命令。
– `scaffold-exercises`：生成标准项目目录或习题目录结构。

#### 阶段四：开发实现与重构优化 (Development & Refactoring)
– **触发场景**：编写新功能、代码混乱需优化、TS 类型优化、老代码重构。
– **自动路由**：
– `tdd`：编写新功能时，强制执行“红-绿-重构”测试驱动开发。
– `improve-codebase-architecture`：代码可维护性差时，扫描并优化架构/模块化。
– `request-refactor-plan`：面对老代码，生成安全的增量重构计划。
– `migrate-to-shoehorn`：TS 项目中，优化类型断言代码。
– `edit-article`：编写或优化代码注释、说明文档时提升可读性。

#### 阶段五：测试与 Bug 排查 (Testing & Debugging)
– **触发场景**：出现 Bug、需要定位缺陷、交互式排查、验证功能。
– **自动路由**：
– `triage-issue`：出现 Bug 时，自动定位根因并生成修复方案。
– `qa`：发现问题需定位时，进行交互式 QA 并自动提交 Bug 工单。

#### 阶段六：任务协作与工单管理 (Management)
– **触发场景**：需求拆分、分配任务、管理 GitHub Issue。
– **自动路由**：
– `to-issues`：需求确认后，将 PRD 拆解为可执行的 GitHub Issue。
– `github-triage`：自动分类和处理 GitHub Issue。

#### 阶段七：全周期通用与系统配置 (General & System)
– **触发场景**：需要极简回复、管理笔记、扩展能力、修改 AI 配置。
– **自动路由**：
– `caveman`：用户要求精简回复或需节省 Token 时，开启超精简模式。
– `obsidian-vault`：需要记录开发笔记或查阅资料时管理 Obsidian。
– `write-a-skill`：遇到重复性新模式时，自定义创建新技能。
– `customize-opencode`：需要修改 OpenCode 自身配置/插件时调用。

### 3. 路由执行约束
1. **意图识别优先**：每次接收到用户输入，必须在 `<thinking>` 标签中判断当前所属阶段，并匹配上述路由表。
2. **组合调用**：复杂任务可组合调用（如先 `grill-me` 追问，再 `to-prd` 输出文档），但必须按逻辑顺序分布执行。
3. **用户覆盖**：若用户显式输入 `@<技能名>`，则无视自动路由，直接调用指定技能。

## 在 .ai/context/ 下创建 PRD.md、ARCHITECTURE.md、DOMAIN_MODEL.md 空模板
## 完成后输出《项目初始化报告》，并提示我输入需求以填充 PRD

四、 日常开发工作流演示

初始化完成后，你的日常开发将变得极其丝滑且严谨：

场景 1：接需求（防需求遗漏）

你：@grill-me 帮我分析一个用户积分抵扣功能的需求。
AI 行为：

场景 2：写代码（物理防幻觉，核心！）

你：@tdd 根据 PRD，开发积分抵扣的核心逻辑。
AI 行为：

场景 3：查 Bug（防排查幻觉）

你：@triage-issue 抵扣接口报 500，日志是 [粘贴日志]。
AI 行为：

五、 避坑与进阶指南（生产环境血泪总结）

结语

这套 AI-OS v1.0 彻底抛弃了“靠提示词约束 AI”的幻想，转而使用 “架构分层 + 物理工具校验 + 顶级开源 Skills” 的工程化手段。

它不是一成不变的，随着你的使用，你可以将踩过的坑补充到 ~/.ai-os/standards/ 中，将新的最佳实践提炼到 ~/.ai-os/sops/ 中。你积累的每一行规范，都会成为你未来所有项目的护城河。

现在，复制脚本，开始构建你的 AI 研发操作系统吧！

(本文首发于 CSDN，作者：阿汤猫666，转载请注明出处。如果觉得有用，欢迎点赞收藏！)