CodeKick：面向大型遗留系统二次开发的轻量 AI 工作流

3xian/codekick · AI-powered workflows for understanding unfamiliar codebases and changing them safely.

GitHub原文发布未知首次收录 2026-10-09上架 2026-10-09 07:01

ELI5：它是什么，解决什么问题

CodeKick 是一套面向大型遗留业务系统二次开发的轻量 AI 工作流，通过 AGENTS.md、.ai/PROJECT.md 项目地图、KNOWLEDGE.md 知识沉淀和 skills 中的 bootstrap/understand/change/verify 流程，引导 AI 先定位再理解、找到最小正确修改点、基于真实 diff 推导回归风险，并以证据分级（FACT/INFERENCE/HYPOTHESIS/UNKNOWN）支撑结论。方案刻意保持简单，不依赖向量数据库、知识图谱、MCP 或专用索引服务，并提供安装脚本将工作流安装到已有项目。

# ai-coding # ai-workflows # context-engineering # code-understanding # legacy-code

核心能力与快速开始

★ 1 · Python

能做什么: 提供一套轻量 AI 工作流用于理解不熟悉的遗留代码库并安全修改：包含 AGENTS.md 全局工作纪律、.ai/PROJECT.md 项目地图（系统有什么、去哪里找）、.ai/KNOWLEDGE.md 记录源码无法直接看出的隐含业务知识、以及 skills 中的 bootstrap（首次接手建立 PROJECT.md）、understand（理解现有行为）、change（分析与实施最小安全修改）、verify（基于 requirement 与实际 diff 验证修改）四个流程；支持用 scripts/new-task.py 为复杂任务创建持久工作记忆，用 scripts/install.py 将工作流安装到已有项目，并强调 Evidence first，区分 FACT、INFERENCE、HYPOTHESIS、UNKNOWN。
适用场景: 适用于大型遗留业务系统的二次开发场景：首次接手项目时建立项目地图；日常排查理解类问题（例如订单取消为什么会释放库存）；实施修改需求（例如订单审核时增加客户信用额度校验）；修改完成后基于实际 diff 做回归风险验证；沉淀隐含业务知识（业务术语映射、历史原因、生产环境坑、已知危险区域）。也可仅让 Agent 遵守最小使用方式而不引入命令机制。
项目形态: 开发框架
部署方式: README 提供安装方式：使用安装器 python scripts/install.py /path/to/project 将 AGENTS.md、.ai/、skills/、templates/、scripts/ 安装到已有项目，且不覆盖已存在且内容不同的 AGENTS.md、.ai/PROJECT.md、.ai/KNOWLEDGE.md。其他部署条件未说明。
主要依赖: 仓库语言为 Python；README 未说明具体 Python 版本、依赖包或运行环境要求。
使用限制: 方案刻意保持简单，不依赖向量数据库、知识图谱、MCP 或专用索引服务；README 建议不要提前引入更复杂基础设施，仅在遇到真实瓶颈（如找不到 callers/callees、跨服务 blast radius 困难、PROJECT.md 膨胀、多项目知识检索瓶颈）时再升级架构。evals/ 目录不是 CodeKick runtime，也不属于安装列表，含有真实历史解法，禁止向 benchmark Coding Actor 暴露。其他限制未说明。
许可证: MIT
最近推送: 2026-10-08 09:14

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-09 07:00 · 卡片整理：2026-10-09 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

在大型遗留业务系统二次开发中，使用 CodeKick 的 bootstrap/understand/change/verify 工作流引导 AI 先定位再理解、找到最小正确修改点、基于真实 diff 推导回归风险，并以证据分级支撑结论，辅助代码理解、修改与验证。

查看内容依据

CodeKick 是一套面向大型遗留业务系统二次开发的轻量 AI 工作流，通过 AGENTS.md、.ai/PROJECT.md 项目地图、KNOWLEDGE.md 知识沉淀和 skills 中的 bootstrap/understand/change/verify 流程，引导 AI 先定位再理解、找到最小正确修改点、基于真实 diff 推导回归风险，并以证据分级（FACT/INFERENCE/HYPOTHESIS/UNKNOWN）支撑结论。

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

devlyn-cli：面向 AI 编程智能体的情境与循环工程工具包

devlyn-cli 是一套面向 Claude Code、Codex、omp、Pi、Grok 等编程智能体的开发工具包，通过 npx 安装器写入 CLAUDE.md / AGENTS.md 指令块与技能（skills）。它提供 devlyn-ideate 技能，可把一条意图或文档拆解为带机械验收标准的任务包并入队、串行排空；devlyn-engines 用于检测本机可用引擎并固定执行器。安装器支持项目级或全局安装，可选技能与社区包，并包含旧版本命令与技能的迁移与合并恢复流程。

KMJ CodeBridge：通过 MCP 插件将 ChatGPT 等客户端安全接入授权开发机与 VPS

KMJ CodeBridge 是一个基于 MCP 协议的桥接工具，把 ChatGPT、Claude 及兼容 MCP 客户端连接到经管理员授权的电脑和 VPS 项目上，用于受限范围内的代码阅读、编辑、Git 操作以及经过校验的构建与测试。它采用网关加设备代理的架构：网关负责认证、策略与任务状态，设备代理只发起出站连接，工作范围限定在管理员批准的项目根目录内，写操作有哈希与前置条件校验，质量门禁只能运行管理员配置的命令，不暴露通用远程 shell。项目主打本地 LLM 优先，通过回环地址上的 Ollama 使用已安装模型进行有界草稿生成，不会自动下载模型或回退到付费云端推理。项目处于活跃开发中的开发者预览阶段，采用 Apache-2.0 许可，需要 Node 24+。

agentic-coding：面向软件工程的 AI 编码智能体技能与命令集合

该仓库汇集了作者个人使用的 agentic coding 资产，包括可跨工程复用的 global-skills、面向具体技术栈的 project-skills，以及可复用的命令模板。内容覆盖 API 设计、代码评审、调试、DDD 与模块边界、前端模式、测试策略、需求拆解、PRD 撰写、技能编写反馈闭环等方向，并通过 setup.sh 将技能和命令安装到 opencode、codex、claude、gemini、pi 等编码智能体 CLI 的全局或项目目录中，同时提供 AGENTS.md 初始化脚本和技能路由/行为评测用例。

AIWG：为 Claude Code、Codex、Copilot、Cursor 等 AI 工具提供可复用的项目上下文与专家工作流

AIWG 是一套围绕现有 AI 编程工具（Claude Code、Codex、Copilot、Cursor 等 18 个具名 provider 及通用适配器）部署可复用项目上下文的框架。它把 agents、skills、commands、rules、behaviors、templates 等 Markdown/YAML 资产通过 `aiwg use` 部署到各 provider 读取的路径，实现一份来源多处复用；并提供持久化产物记忆（.aiwg/）、后台编排、自主循环、产物索引、成本遥测与健康诊断等可选工具，覆盖 SDLC 工作流、会话记忆以及把有界 LLM 决策卸载给 Jev 的决策支持。项目还提供可选的 AIWG Cockpit 与自托管 Agentic Sandbox 隔离执行器安装路径。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。