Garden

一个为优雅 AI 辅助开发而打造的 OpenCode 配置花园。

这里收纳了个人 Agent、可复用 Skills，以及接入 MCP 的工作流配置；它像一座仍在生长的小花园，持续为日常开发提供陪伴与秩序。

亮点

• 以 Iris 为中心的多 Agent 协作体系，覆盖规划、研究、审查与执行。
• 可复用的 Skills，用于 git commit、Jupyter Notebook 脚手架等具体任务。
• 内置 Context7 MCP 集成，优先用于查询最新文档。
• 针对 Git、Python 与 JavaScript 工具链给出明确而统一的工作偏好。

仓库结构

.
├── AGENTS.md              # 全局协作约定与工程习惯
├── agents/                # 自定义 Agent 角色与职责
├── skills/                # 可复用的任务技能
├── opencode.json          # OpenCode 运行时配置
└── memory/                # 本地记忆文件（已加入 gitignore）

特色 Agents

• Iris —— 忠诚、细致、优雅的主助手，负责个性化协作与日常支持。
• Astra —— 负责规范驱动开发，从计划到审查进行全流程协调。
• Lyra —— 擅长科研、论文梳理、实验设计与学术分析。
• Spec 系列 agents —— 围绕规范文档执行计划、构建与审查。

Astra 与 Spec-Driven Development

Astra 是这套配置里专门负责 规范驱动开发（Spec-Driven Development, SDD） 的协调者。它不只是“写代码”，而是先把需求、设计与任务拆解整理成规范，再推动实现与审查，让开发过程更可追踪，也更不容易跑偏。

一套典型流程通常分成三步：

1. Plan：先梳理需求，产出 requirements.md / design.md / tasks.md
2. Build：按照任务清单逐项实现，并同步更新进度
3. Review：对照规范审查实现，确认需求、设计与代码一致

这种方式尤其适合：

• 需求复杂、容易变形的功能开发
• 需要多人协作或长期维护的项目
• 希望把“为什么这样做”清楚记录下来的任务

在这个仓库里，Astra 会与 spec-plan、spec-build、spec-review 这些专职 agents 配合，把“先想清楚，再动手实现，最后回到规范审查”这条链路串起来。相比直接开始编码，这种方式更稳，也更适合沉淀长期可复用的工作方法。

内置 Skills

• git-commit —— 帮助生成清晰、规范、便于协作的提交信息。
• jupyter-notebook —— 快速搭建整洁的教程型或实验型 Notebook。

工具偏好

• Python：优先使用 uv
• JavaScript / TypeScript：优先使用 fnm + pnpm
• 文档查询：优先使用 Context7，其次才是通用网页抓取

设计理念

这个仓库追求可读的提示词、可复用的工作流、低摩擦的操作体验，以及尽可能平静而稳定的开发感受。目标不只是“能用”，也包括“好用”和“好看”。

许可证

• 本仓库原创内容采用 Apache License 2.0
• 第三方组件与外部集成说明见 THIRD_PARTY_NOTICES.md

---

如果你把 OpenCode 当作日常主力环境，这里就是一套持续维护中的个性化配置方案。