|
前天我的 CTO 在 l 站发布了一篇技术贴，没想到竟然小爆了一下。我们当时正在准备开源，原本规划几周后再发,但这次的反响让我们意识到大家对 AI coding 的需求远超想象，于是决定提前开源。
前天下午，我们正式发布了 Trellis ，在纯自然流的情况下首日收获了 100+ star ，次日收获了 800+ star ，收到了很多有价值的反馈和建议。我们正在开发对 Opencode 和 Windows 的支持，预计今天能完成，其余的大部分问题也我们都会在接下来的几天内解决。
在此，我准备开源使用 CC 8 个月以来我们的全部心路历程，以及为什么我们选择构建 Trellis ，希望能帮助到大家。
我们踩过的坑
在说这一切之前必须从我们踩过的坑说起。从 8 个月前 Claude Code 发布开始，我们就在尝试各种开发流程：从最早的 OpenSpec ，到前段时间爆火的 plan-with-files ，再到最近霸榜 trending 的 Superpowers ，我们都有过使用，但可惜结果都是初看很惊艳，但实际效果不尽如人意
核心问题有两个：
- OpenSpec 类框架：本质上是 PRD-driven ， 而不是 Coding-Spec-driven 。缺少了对代码质量的全局约束，每次开发新任务都需要新建关于项目的架构约束、代码风格、错误处理规则等文档。
- Superpowers 类框架：开源的 skill 都是比较宽泛的，没法解决项目内各种特化的问题，但是即使我们定义了自己的项目规范 skill ，有时也因为幻觉或者上下文过长而没有调用，这带来了不可预测性。最后大部分时候 skill 必须手动使用，使用体感很差。
我们的思考
我们认为在未来的 AI Framework 里，Spec 和 Skill 必须同时存在：
- Spec 负责约束：确保 AI 始终遵循项目规范，提供可预测性
- Skill 负责能力：按需扩展 AI 的能力边界，保持灵活性
解决了这两个问题，才能真正提升 AI 的代码质量，再配合上自动上下文注入之后，并行调用、团队协作等能力也就成为可能了。
Trellis：为 AI 编码提供结构化支撑
下面就要讲到我们的开源框架 Trellis： https://github.com/mindfold-ai/Trellis
Trellis 的寓意是植物的爬架——我们希望它能像爬架一样，为 AI 编码提供结构化的支撑，让代码自然生长的同时保持方向可控。同时也希望它就像庭院里真实的爬架一样，是高度可自定义的。
- 我们给 Spec 加上了分层和索引机制，这样它就拥有了 Skill 的渐进式披露，在节省上下文的同时也确保永远不会遗失关键 context ；
- 我们用脚本整合了一套自动注入上下文的 Skill 工作流，让你每次对话都能自动完成一套规范的工作流，而不需要手动调用一堆 command ；
- 我们加上了更强的 Todo 管理系统，结合 json 和 md 文档，让它在有丰富的 prd 的同时，有了优先级、能关联工程师、关联 branch&worktree
- 最后我们结合上述功能并加上了 multi-agent && multi-session 功能，这样你的 AI 可以判断 Task 复杂度，自行开启一个或多个 worktree 开发任务甚至直接 PR
更多可能性
这套系统的玩法还非常多，比如 task 系统和任务管理系统比如 Linear 的双向同步；比如自动多模型 Review PR ；甚至像 ClawdBot 一样嵌入到 Slack 、discord 等任何地方…
最重要的是，没有学习成本：只需三行命令完成初始化，之后像平常一样用 Claude Code 就好了。(因为所有的复杂逻辑我们都已经原生做在了框架内部)
在过去的几天，我们内部搓了一个自动生成 Leads 的系统；一个每天帮我们刷各种社媒的 agent ；一个支持 ACP 、嵌入 Trellis 的 Cowork GUI…
Roadmap
与此同时我们还在准备 Trellis 下两个版本的大更新，以及整理团队内部使用的 Skill 包，很快就全量会放出来。
容我再次插入一个 CTA ，感兴趣的朋友可以 star 一下，支持我们，关注后续进度 👉 https://github.com/mindfold-ai/Trellis
| 
