市场版本 2.14.2-build-2 基于上游 2.14.2。尚未在真实 DSH 0.2.1-rc.3 中安装或运行。

Aegis

别再全程盯着 agent 干活。 Aegis 让 agent 动手前先对齐你的真实基线、 完成前先给证据、简单任务不打扰你——你拿到的是：更少返工、更安全、 不用盲信“done”。

你能得到什么

Aegis 是一套方法包，让 AI 编程 agent 像有工程纪律的人一样干活——你不需要 全程盯梢。

• 更少返工。 agent 动手前先对齐项目真实基线（owner、契约、边界）， 不再靠猜，你也不用为猜错买单。
• 更安全的改动。 冻结的 held-out A/B 实测：合同通过率 61.67% → 93.33%，不安全结果 13.33% → 0%。
• 说“完成”前先给证据。 每个完成声明都带 fresh 验证证据、覆盖范围与 残余风险——你读的是证据，不是感觉。
• 不留幽灵代码。 退役的 fallback 和旧路径会被显式跟踪或带退役触发条件 移除，技术债不再悄悄累积。
• 简单任务保持简单。 平凡请求留在 fast-path，只有任务真正需要时才展开 仪式。
• UI/UX 规则按需加载。 [UI/UX 治理]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/skills/ui-ux-governance/SKILL.md)把项目 设计依据、用户总负担和体验验证接入设计、实现、评审与交付。
• 一套方法包，多宿主通用。 Codex、Claude Code、OpenCode、Kimi 等 skill-aware 宿主体验一致。

上面的数字来自 Aegis 2.7.6（2026-08-11）的有界建议性证据， 不是对本次发布的测量，也不构成普遍质量或完成权威声明。 请查看完整基准与证据限制。

安装

从 NanoAI 市场安装并启用 Aegis，按提示重新加载 DSH，然后在新会话中描述任务。请只启用一份 Aegis 技能。

实测 Agentic Benchmark

本次冻结的 held-out A/B benchmark（Aegis 2.7.6，2026-08-11）在两组中保持 Codex 客户端、prompt、项目、工具策略和请求相同的 gpt-5.6-sol / xhigh 设置， 唯一差异是是否投影 Aegis method pack。20 个案例、120 次有效运行中，合同通过率 61.67% → 93.33%（+31.67 个百分点），不安全结果率 13.33% → 0%，95% 案例簇区间为 +15.00 至 +50.00 个百分点。结果仅为有界建议性证据；复核并非独立人工评审，宿主事件未返回实际模型身份。

[脱敏 JSON]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/benchmarks/results/gpt-5-6-sol-xhigh-extended-20260811-v2-7-6.json) · [中文表格]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/benchmarks/results/gpt-5-6-sol-xhigh-extended-20260811-v2-7-6.zh-CN.md) · [English table]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/benchmarks/results/gpt-5-6-sol-xhigh-extended-20260811-v2-7-6.en.md) · [方法说明]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_AGENTIC_BENCHMARK_BASELINE.md)

较新的 [Aegis 2.10.8 matrix-v7 standard 快照]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/benchmarks/results/gpt-5-6-sol-xhigh-standard-20260925-v2-10-8.zh-CN.md) 覆盖 22 个案例，每个案例在两组各有一次观察。它与上方 extended 快照使用不同的 运行 profile，也没有测量本次发布中的改动。

体验 Aegis 方法在运行时中的应用

Autoloom 是我们开发的 AI 编程桌面 客户端，将 Aegis 的变更必要性分析、复杂度治理和交付审查融入开发执行，帮助 你减少反复提醒，让变更有依据、交付有证据。

当前提供 Windows x64 Alpha。客户端免费，自选模型，模型调用费用由供应商 另行收取。

了解 Autoloom · 下载 Alpha

更新 Aegis

完成安装并登记当前宿主之后，后续更新可以用自然语言直接让 agent 更新 Aegis， 也可以显式说 aegis:update。agent 可以把这两种方式路由到本地更新路径：先定位 已安装的 method-pack 根目录，读取本机 host-scoped registry，再调用 scripts/aegis-update.py 默认更新当前宿主。只有用户明确要求 --all 时才更新所有 已登记宿主。Aegis 默认不做后台自动更新。

使用前必须知道

Aegis 当前发布形态是：

Aegis Method Pack (runtime-ready)

它不是完整的 Aegis Platform，不是 daemon，不是后台 runner，不是 runtime core， 不提供 authoritative GateDecision，不提供 authoritative PolicySnapshot， 也不授予 final completion authority。用户当前指令和目标项目规则优先于 Aegis。

[全局路由前缀]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/GLOBAL_USER_RULES_TEMPLATE.zh-CN.md)是一个可选、手工复制的 宿主/profile 投影，不负责安装 Aegis，也不能证明 skill 已经可发现。如果宿主已有 可靠的 Aegis bootstrap 与路由，通常无需再复制全局规则；否则把该前缀添加到现有 全局用户规则的最开头即可，无需改动无关内容。

这份手工前缀不由 aegis:update 管理。已经复制过旧 Lite / Advanced profile 的 用户，应只把原 Aegis 区块替换为统一前缀，保留其他原有全局规则。前缀遵循宿主 或会话提供的 activation mode，未声明时默认 auto；具体治理继续由加载后的 Aegis skills 按需负责。宿主原生 skill 匹配是否仍会触发，继续由宿主能力决定。

Aegis 默认自动模式。要切换到显式模式，在已安装的 method-pack 根目录运行：

cd <aegis-method-pack-root>
python scripts/aegis-doctor.py activation-mode explicit

修改后需要重启宿主。长期设置方式和宿主注意事项见 [docs/current/AEGIS_ACTIVATION_MODE.md]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_ACTIVATION_MODE.md)。

TDD mode 默认是 off：Aegis 不会自动要求 TDD，但完成前验证仍然适用。若希望 Aegis 按任务风险自动选择严格、轻量或跳过 TDD，可以手动开启：

cd <aegis-method-pack-root>
python scripts/aegis-doctor.py tdd-mode auto

也可以在 query 中用 TDD Route: strict、strict TDD、test-first 或 RED / GREEN / REFACTOR 显式要求严格 TDD。

详细语义见 [docs/current/AEGIS_TDD_MODE.md][i18n1]。

宿主兼容性

Aegis 保留多宿主、plugin-installable 的分发目标。

对外声明支持状态前，先读：

• [宿主兼容性矩阵][i18n2]
• [已知限制]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_KNOWN_LIMITATIONS.md)

快速上手 Aegis

安装并重启宿主后，直接用自然语言描述工作即可。Aegis 会按任务匹配方法；需要 更确定的行为时，再直接点名模式。

这个登录失败的根因是什么？先诊断，不要立刻改代码。
审问我：我们是否应该先发布托管版？
Aegis goal: 修复登录后偶发跳回登录页，不重写 auth 系统。
在我合并前，独立审查这个 diff。

先阅读 [Aegis 速通秘籍]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_FAST_TRACK_PLAYBOOK_ZH.md)：其中说明 Aegis 为什么轻量、它与独立 skill pack 的区别、五道工程护城河、项目工作区生命周期、 自然触发语句、activation/TDD 控制和常见排障。英文版见 [Fast-Track Playbook]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_FAST_TRACK_PLAYBOOK.md)。

当你需要更强控制时，可以这样说：

• Aegis goal: ...：框定范围、成功证据与边界。
• Grill me ...、审问我 ...：进入决策访谈；每轮只问一个决策问题，不写计划、 不实施。
• TDD Route: strict、strict TDD 或 test-first：显式要求严格 test-first； TDD 默认保持 off。
• aegis:first-principles-review 或“用第一性原理审查”：在实施前挑战复杂方向。
• aegis:update：按当前宿主的本地路径更新已安装的 method pack。

对非平凡项目任务，Aegis 可以被动复用 CONTEXT.md，或通过 CONTEXT-MAP.md 选择相关 bounded context 的规范术语。只有术语已经确定、存在 歧义、发生重命名/废弃或与现有证据冲突时，才进入主动领域建模。高置信度的既有事实 可直接同步；尚未作出的领域决策仍由用户决定。文件在第一个已解决术语出现时惰性创建， 且只保存术语。稳定字节有利于缓存，但 Aegis 不保证供应商缓存命中或费用节省。

Aegis 用 Workflow Quality 让简单任务保持轻量，只在风险需要时展开。想深入了解 方法时，阅读 [工作流程说明][i18n3]、 [工作流质量基线]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_WORKFLOW_QUALITY_BASELINE.md)、 [复杂度治理基线]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_COMPLEXITY_GOVERNANCE_BASELINE.md) 和 [TDD 模式][i18n1]。

如果预期能力没有触发，不要先当成措辞问题。按触发链路诊断：安装/版本可见性、 宿主 skill discovery、activation mode、using-aegis 路由、任务到 skill 的匹配和 上下文压力。阅读 [触发健康基线]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_TRIGGER_HEALTH_BASELINE.md)。

社区与扩展

• 反馈与讨论：[GitHub Discussions]([repository withheld]/discussions) · [Issues]([repository withheld]/issues) · LINUX DO · DEV.to
• 扩展 Aegis：使用 aegis:writing-skills 写自己的 skill；参见[工作流指南][i18n3]。
• 关注发布：[RELEASE-NOTES.md]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/RELEASE-NOTES.md) · [Releases]([repository withheld]/releases)

Aegis 与 Autoloom

• Aegis 是我们的开源方法包，适合希望继续使用现有 AI 编程工具、引入工程 方法的用户。它保持独立使用和多宿主支持，不要求安装 Autoloom。
• Autoloom 是我们的独立桌面产品， 适合希望在编程运行时中体验 Aegis 核心方法的用户。客户端源码暂未公开； 下载、版本能力与反馈由 Autoloom 仓库维护。

Autoloom 承接 runtime core 方向，Aegis 保持方法包边界。本页 benchmark 衡量 的是 Aegis，不代表 Autoloom 的性能证据。详细边界见 [产品关系说明]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_PRODUCT_BASELINE.md#current-product-relationship-autoloom)。 也欢迎带一个范围明确的真实任务体验 Autoloom，并 分享使用反馈。

与 Superpowers 的关系

Aegis 派生自 Superpowers，由 Jesse Vincent 创建。Superpowers 开创了 composable、 multi-harness agent skills 的基础；Aegis 在此基础上加入面向真实软件项目的 architecture- and evidence-focused method layer。

项目还借鉴了 mattpocock/skills 中关于极简沟通、共享语言和严谨调试的思路。这些思路均在 Aegis 自有格式中 重新实现，而不是原样复制。

许可证

MIT License。见 [LICENSE]([repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/LICENSE)。

AI编程工具Aegis_QQ交流群：694329785

[i18n1]: [repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_TDD_MODE.md [i18n2]: [repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_HOST_COMPATIBILITY_MATRIX_SNAPSHOT.md [i18n3]: [repository withheld]/blob/28dfb41e4d08239c6b47c6425396c81cdd10601e/docs/current/AEGIS_WORKFLOW_GUIDE_ZH.md