一、项目介绍

让 AI 写代码,最贵的浪费不是写错,而是写得太快:一句"帮我做个任务管理工具",Agent 立刻开始建目录、装依赖、写代码,等你发现需求理解偏了,几百行代码已经躺在仓库里。根因在于多数 Agent 直接开干,从不问一句"你说的范围到底包含什么"。

Ouroboros 用一种"访谈门控"的方式解决这点。它把自己的定位叫作 Agent OS:接到任务时先发起苏格拉底式访谈,澄清范围与次序,给出歧义评分,把含糊之处记进一份歧义账本,然后才进入分阶段评估与执行。工作流的每一步都有明确的准入条件,Agent 不能跳过澄清直接写代码。

它既能挂进 Claude Code、Codex、OpenCode 等主流编码 Agent,也能当成纯终端 CLI 独立跑,还能作为 ChatGPT 应用的集成被调用。当前版本 v0.59.9,MIT 协议。

Ouroboros 想解决的是一个被长期忽视的环节:智能体拿到需求后的第一步应该是什么。多数 Agent 的答案是"直接开工",理由是快——但快出来的代码往往要推倒重来,返工成本比慢一点思考高得多。

Ouroboros 的做法是把这一步制度化。它把工作流切成有准入条件的阶段,每个阶段都有明确的通过标准,未达标不会进入下一阶段。访谈阶段产出的不只是需求描述,还有一份歧义账本:记录哪些点还没说清、歧义评分有多高。这样后续阶段能知道自己建立在多牢固的地基上,而不是凭感觉往下走。

它把自己定位为 Agent OS,而不是又一个 CLI 工具,这个定位有实际含义:它同时提供 MCP 服务器与 14 种运行时适配——Claude Code、Codex CLI、Gemini CLI、OpenCode、Copilot、Kiro 等主流编码 Agent 都能接。也就是说,访谈门控、阶段评估这套机制可以叠加到你已经在用的任何一套编码 Agent 上,而不是要求你换掉整套工具链。

工作流命令用 ooo 前缀,与 Agent 宿主解耦。宿主负责真正写代码,Ouroboros 负责决定"现在该不该写、按什么次序写、写的标准是什么"。

二、项目基本信息

信息项详情
项目名称Ouroboros
GitHub地址https://github.com/Q00/ouroboros
项目描述Agent OS: the agent gets smarter on its own. We just hold the line: Interview-gated, staged evaluation, budgeted evolution loop. MCP server, 14 runtimes: Claude Code, Codex CLI, Gemini CLI, OpenCode, Copilot, Kiro and more.
作者Q00
开源协议MIT License
开源状态公开
LanguagesPython
支持平台Windows / macOS / Linux
最后更新2026-10-30

三、核心优势

  • 先访谈后动手,用访谈门控阻止 Agent 跳过需求澄清直接写代码
  • 歧义评分与歧义账本,把"哪里还没说清"显式记录下来而不是丢进上下文
  • 分阶段评估,任务被拆成有准入条件的阶段,失败能定位到具体阶段
  • 同时支持 Agent 宿主(Claude Code / Codex / OpenCode / Hermes / Pi)与纯终端两种运行方式
  • 一条命令装好并自动接线宿主,Windows 脚本会顺带装好 Git 与 uv
  • MIT 协议,可放心改造成符合自家流程的版本
  • 自带 MCP 服务器,可被外部系统当作集成调用,而不只是一个终端命令
  • 提供预算化的演进循环(budgeted evolution loop),Agent 的自我改进受预算约束而非无限膨胀
  • 纯终端模式下也能独立运行,不强制要求绑定某个 Agent 宿主
  • 模型配置可在浏览器里可视化调整,改完立即回到当前阶段继续

四、适用场景

适合对"AI 写错方向"这件事特别敏感的团队,尤其是需求本身容易含糊的外包、内部工具与新产品原型场景。如果你已经吃过"Agent 十分钟写完、我半小时推翻"的亏,这套门控机制值得一试。

适合先用它的地方,是那些需求本身就有歧义、返工代价又高的场景:新功能原型、内部工具、给不熟悉业务的人做的东西。相反,如果任务边界极其清晰——比如修一个已知 bug、加一个字段——访谈环节反而成了额外开销,直接让 Agent 干更快。

另一个判断维度是团队规模。小团队里 Agent 往往由一个人盯,访谈的价值更多体现在"把脑子里的模糊需求逼出来";多团队协作时,歧义账本的价值更大,因为它变成了可共享的沟通记录,减少了"我以为你懂了"的错位。

需要注意它对宿主的依赖:Windows 原生仍属实验性,Codex CLI 在 Windows 上还需要 WSL 2。评估时先确认你主力用的 Agent 组合在目标平台上是否跑得通,再决定是否引入这套门控。

如果你正被同类问题反复绊住——要么是人肉重复劳动没完,要么是工具装不上跑不通、要么是产出的结果根本没法用——那这个项目值得先花十分钟装一遍试试。

五、安装教程

当前最新版本 v0.59.9。下面是可直接执行的安装方式:

# macOS / Linux / WSL 2
curl -fsSL https://raw.githubusercontent.com/Q00/ouroboros/main/scripts/install.sh | OUROBOROS_INSTALL_REF=readme bash

# Windows(PowerShell 5.1+ 或 pwsh 7+):脚本会自动装好 Git 与 uv
irm https://raw.githubusercontent.com/Q00/ouroboros/main/scripts/install.ps1 | iex

常见报错与处理:依赖缺失时先确认运行时版本(Node、Python、Rust、PHP 等)是否满足项目要求;网络超时多半是镜像或代理问题,可换源重试;权限类报错请检查当前账号是否已登录对应平台,以及脚本是否需要管理员权限执行。

六、使用示例

下面这段是可以直接参照的真实用法:

# 第一步:在你的 AI 编码 Agent 里做一次性配置
ooo setup

# 第二步:发起访谈,澄清需求边界
ooo interview "I want to build a task management CLI"

# 纯终端方式(不需要 Agent 宿主)
ouroboros init start --orchestrator "I want to build a task management CLI tool"

# 重新打开模型配置界面
ooo config

七、常见问题

问:Windows 原生支持情况如何?答:原生 Windows 目前是实验性状态,且 Codex CLI 在 Windows 上需要 WSL 2;Windows 下的其他宿主可用。

问:一定要先 setup 吗?答:是的。ooo setup 负责写入运行期产物(Codex 规则与技能、Hermes 技能、OpenCode 插件与说明、Pi 与 GJC 桥接),跳过后工作流命令找不到对应产物。

问:模型是自己指定还是跟随宿主?答:默认跟随——Codex 用当前选中的模型,Claude Code 用其推荐模型设置;只有想给某个阶段钉死模型时才选"直接配置模型"。

问:访谈会问多久?答:访谈针对范围与次序提问并给出歧义评分,模糊项越多评分越高,后续阶段也会因此受限。

问:访谈阶段会一直追问吗?答:它针对范围与次序提问并给出歧义评分,问题集中在真正影响执行的歧义点上,不是无限追问。

问:能中途改需求吗?答:可以,任何时候用 ooo config 打开配置界面调整,改完刷新运行期产物即可继续。

以上是实际使用中最常被问到的几个问题。若遇到文档未覆盖的情况,可以先翻项目的 Issues 与 Discussions 区,那里有更多真实踩坑记录。

八、总结

Ouroboros 在把高频动作压缩成一条命令这件事上做到了足够扎实的程度:它不追求大而全,而是把一个具体环节做透,让原本要靠人盯的流程变成可以交给工具执行的流程。

从上面的安装步骤和使用示例可以看出,它的接入成本并不高:一条命令装好,按提示完成配置,然后就能把它放进你原有的工作流里。如果你正在被同类问题困扰,不妨先在自己的一小块任务上试一轮,确认顺手了再推广到日常流程中。