一套 Skills 打通 8 款 AI 编程工具：Agent Teams Lite 集成 Claude Code、OpenCode、Cursor 完整指南-平芜编程栈

【免费下载链接】agent-teams-lite

Spec-Driven Development with AI Sub-Agents. An orchestrator + 9 specialized sub-agents for structured feature development. Zero dependencies. Pure Markdown. Works with Claude Code, OpenCode, Cursor, and more.

项目地址：https://gitcode.com/gh_mirrors/ag/agent-teams-lite

点击查看免费下载

Agent Teams Lite 是一款零依赖、纯 Markdown的 AI 子代理开发系统：1 个编排器（Orchestrator）+ 9 个专职 SDD 子代理，让同一套 Skills 在 Claude Code、OpenCode、Cursor 等 8 款 AI 编程工具中通用。无需安装任何框架或依赖，复制 Markdown 文件即可为任何支持读取指令的 AI 助手加上"规格驱动开发（SDD）"能力。

💡 提示：本项目仓库已归档（后续演进由 gentle-ai 承接），代码与文档完整保留，适合参考学习与二次分发。

Agent Teams Lite 是什么？为什么值得试试

一句话：把 AI 编程从"单兵对话"升级为"分工流水线"。

它由两部分组成：

编排器（Coordinator）：只负责拆分任务、调度子代理、汇总结果，自己不干"脏活"，上下文消耗极小
9 个 SDD 阶段子代理：每个子代理都是一个SKILL.md纯 Markdown 文件，以全新上下文独立工作

核心 SDD（Spec-Driven Development）流程遵循一张依赖图 🎯：

proposal（提案） ├─▶ specs（需求规格，Given/When/Then）──┐ └─▶ design（技术设计）──────────────────┤ ▼ tasks（任务清单） ▼ apply（写代码） ▼ verify（真实跑测试验证） ▼ archive（归档，合并规格）

除了 SDD 九阶段，仓库还内置 15 个 Skills，覆盖技能注册表（skill-registry）、双盲对抗评审（judgment-day）、Go 测试规范（go-testing）、分支与 PR（branch-pr）、Issue 创建（issue-creation）等，入口索引见 AGENTS.md。

8 款 AI 编程工具支持一览

🚀 这是 Agent Teams Lite 最大的卖点：一次编写，八处通用。不同工具对子代理机制的支持程度不同：

AI 编程工具	子代理模式	一键安装	特点
Claude Code	Full（原生 Task 工具）	`setup.sh --agent claude-code`	子代理体验最佳，推荐首选
OpenCode	Full（原生 delegate 工具）	`setup.sh --agent opencode`	10-agent 配置 + 后台异步委派插件
Gemini CLI	Full	`setup.sh --agent gemini-cli`	无原生 Task 工具时以指令模式运行
Codex	Full	`setup.sh --agent codex`	规划阶段表现良好
Cursor	Inline	`setup.sh --agent cursor`	Skills 作为`.cursorrules`指令加载
VS Code Copilot	Inline	`setup.sh --agent vscode`	写入用户级`.instructions.md`提示词
Antigravity	Single-agent	手动复制	Google AI-first IDE，原生支持 skills
Windsurf	Hybrid（Plan + Code）	—	计划/编码双模式

✅ 经验法则：想要真·子代理（独立上下文窗口、并行后台任务），选 Claude Code 或 OpenCode；其他工具上 Skills 依然可用，只是编排器以内联方式运行。各工具的手动安装步骤详见 docs/installation.md。

Agent Teams Lite 安装步骤：一条命令完成全部配置

第 1 步：获取仓库

git clone https://gitcode.com/gh_mirrors/ag/agent-teams-lite cd agent-teams-lite

第 2 步：运行一键安装脚本

macOS / Linux（Git Bash / WSL）：

./scripts/setup.sh # 交互式：自动检测已安装的 AI 工具，选择要配置的 ./scripts/setup.sh --all # 全自动：检测 + 全部安装，无交互

Windows PowerShell：

.\scripts\setup.ps1 # 交互式 .\scripts\setup.ps1 -All # 全自动

脚本（scripts/setup.sh）会一次性完成 4 件事：

PATH 检测已安装的 agent（claude、opencode、gemini、cursor、code、codex）
复制 Skills到各工具的用户级目录（如~/.claude/skills/）
注入编排器提示词，使用幂等 HTML 标记包裹，可安全重复执行、不产生重复内容
特殊处理 OpenCode：合并 slash 命令与 JSON 配置，并询问 single / multi 模型模式

第 3 步：验证安装

打开你的 AI 编程工具，输入：

/sdd-init

命令被识别、项目栈被检测出来，即表示安装成功 ✅

SDD 工作流快速上手：从 /sdd-init 到 /sdd-archive

安装完成后，日常开发就靠一组 slash 命令驱动（完整说明见 examples/claude-code/CLAUDE.md）：

命令	作用
`/sdd-init`	初始化：检测技术栈、引导持久化、构建技能注册表
`/sdd-explore <主题>`	调研想法：读代码库、对比方案，不产生文件
`/sdd-new <change>`	启动新变更：委派探索 + 提案两个子代理
`/sdd-continue [change]`	推进依赖图中下一个就绪阶段
`/sdd-ff <name>`	快进规划：proposal → specs → design → tasks
`/sdd-apply [change]`	分批实现任务，边写边勾任务清单
`/sdd-verify [change]`	对照规格验证，真实执行测试，输出合规矩阵
`/sdd-archive [change]`	归档变更，把 delta 规格合并回主规格

每个子代理返回统一的结构化结果（status/executive_summary/artifacts/next_recommended/risks），编排器据此自动决定下一步——这正是"团队"感知的来源。契约细节见 docs/sub-agents.md。

OpenCode 进阶配置：按阶段分配模型 + 后台子代理

OpenCode 是 Agent Teams Lite 中玩法最多的工具 ⚡

1. 单模型 / 多模型两种模式

examples/opencode/opencode.single.json：开箱即用，10 个 agent 全部继承默认模型
examples/opencode/opencode.multi.json：为每个阶段单独指定模型，例如让架构设计用大模型、机械性任务拆解用小模型：

{ "agent": { "sdd-design": { "mode": "subagent", "model": "anthropic/claude-opus-4-6" }, "sdd-apply": { "mode": "subagent", "model": "anthropic/claude-sonnet-4-6" } } }

格式为"provider/model-id"；未配置model的 agent 自动继承默认模型。重新运行安装脚本会保留你已配置的模型字段。

2. 后台异步委派插件

安装脚本会自动部署background-agents插件（examples/opencode/plugins/background-agents.ts），新增 3 个工具：

工具	行为	适用场景
`delegate(prompt, agent)`	异步后台运行，立即返回 ID	一次派发 2-3 个子代理并行工作
`task`	同步阻塞，等结果返回	必须拿到结果才能继续
`delegation_read(id)`/`delegation_list()`	查询委派结果	结果落盘为 Markdown，不怕上下文压缩与重启

完整机制说明见 examples/opencode/plugins/BACKGROUND-AGENTS-README.md。

为什么子代理模式更省 Token？

很多人担心"多个代理 = 更多开销"，项目方做了真实测量（docs/token-economics.md）：

每次委派的固定开销约 11,850 tokens，接触 8 个文件以上的任务，委派反而净省 13,000+ tokens；大型功能的差距超过 10 万 tokens
核心机制是上下文隔离：子代理读过的文件在它结束后从编排器上下文中"消失"，避免了压缩-重读的恶性循环
决策口诀：单文件小改 → 内联；8 个文件以上的中型功能 → 委派；15 个文件以上的大功能 → 强制委派

架构与能力对比的完整分析在 docs/architecture.md；产物持久化（engram / openspec / hybrid / none 四种模式）见 docs/persistence.md。