























来源 https://zhuanlan.zhihu.com/p/2011191750685915050
在 AI 编程时代,我们很容易形成一种惯性思维:需求一来就直接写代码,默认 AI 能自动理解一切。但实际情况往往是,代码越写越多,才发现方向跑偏了,或者生成的实现和项目原有风格并不匹配。
问题的根源在于:我们过度依赖临时对话来传递项目上下文。每次开启新会话,都要重新说明项目背景、技术选型和代码规范,不仅效率低,也让团队很难长期保持一致的标准。
Conductor 正是为了解决这一问题而设计的。它把项目上下文从临时对话中抽离出来,沉淀到代码库中,通过持久化的 Markdown 文件来管理规范和计划,确保每一次 AI 参与都有清晰、稳定的项目基础。
这更像一句老工程师常说的话:三思而后行(Measure twice, code once)。Conductor 把 AI 编程拉回工程本身——先把规划想清楚,再动手实现,方向始终掌握在人手里。

Conductor 是一个开源的多平台 AI 智能体技能(Agent Skills),基于 Google 的 Conductor[1](Gemini CLI 扩展工具)项目移植而来,支持 Claude Code 、Gemini CLI 、OpenCode、Codex 等多种 CLI 工具。它遵循「上下文驱动开发」的思路,通过固定流程推进需求澄清、方案规划以及功能或缺陷实现,让 AI 的输出始终建立在清晰、可追溯的项目上下文之上。
Conductor 的目标不只是写代码,而是让每个任务都经历完整、可控的生命周期。通过「Context → Spec & Plan → Implement」这一结构化流程,它把 AI 从单一的编码工具,提升为具备主动项目推进能力的工具。
Conductor 的理念很简单:掌控你的代码。通过将上下文作为与代码同等管理的资产,代码库就能成为单一可信源,为每一次智能体交互提供深度、持久的项目感知。
团队可以在此基础上为所有 AI 交互建立一套可持续、具备项目感知能力的工作体系。系统会持续维护以下内容:
Conductor 本身不运行任何服务,只定义了一套 AI 需要遵循的工作流程。没有后台进程,也不会在系统中留下零散配置。所有内容都以 Markdown 和 TOML 文件存在,不使用私有格式,也不依赖任何厂商 API。项目上下文随代码一起版本化、一起流转。
在项目根目录运行:
# Claude Code / OpenCode / Codex / Antigravity
set up conductor
# Gemini CLI
/conductor:setup
Conductor 会问你一系列问题,帮你把项目的核心上下文整理好。弄好之后,团队里的人都能直接接着开发新模块,不用每次都讲一遍项目背景。
生成的目录结构如下:
conductor/
├── product.md # 产品愿景、目标与范围
├── product-guidelines.md # 产品与设计相关规范
├── tech-stack.md # 技术栈与工具选型
├── workflow.md # 开发工作流(TDD、提交规范等)
├── code_styleguides/ # 各语言的代码风格指南
└── tracks.md # 当前项目任务(tracks)索引
Conductor 会分析当前代码库,并引导你完成项目设置流程。初始化时,它会自动识别项目类型:
每个项目只需要执行一次初始化。完成后,这些项目级上下文就会成为团队的共享基础,可以长期使用。
当你准备开发新功能或修复 Bug 时,可以创建一个新的 Track:
# Claude Code / OpenCode / Codex / Antigravity
create a new track for dark mode
# Gemini CLI
/conductor:newTrack
# 或者直接附带描述
/conductor:newTrack "Add a dark mode toggle to the settings page"
该命令会创建一个新的 track,这是 Conductor 中用于管理工作的高级单元。创建完成后,Conductor 会通过一系列交互式问题,帮你生成两个核心文件:
这些文档并不是完全从零开始写的。Conductor 会结合项目中已有的上下文信息(如产品定义、技术栈和工作流约定)提供参考建议,帮助你更快整理出清晰、可执行的规范和计划。
注意:在进入实现阶段之前,建议先审查并确认这两个文件,确保需求边界明确,计划可行。
生成的文件结构如下:
conductor/tracks/<track_id>/
├── spec.md # 需求规范说明
├── plan.md # 可执行的任务与阶段计划
└── metadata.json # Track 元数据
此外,项目根目录下的 conductor/tracks.md 会自动更新,用来记录和索引新增的 Track,方便后续查看和管理。
当计划确认无误后,就可以开始执行实施流程:
# Claude Code / OpenCode / Codex / Antigravity
implement the next task
# Gemini CLI
/conductor:implement
该命令会让 Conductor 按照 plan.md 中定义的阶段(Phase)和任务(Task)顺序逐步推进实现。每完成一项任务,状态都会写回对应文件,并标记为已完成。
因为执行进度是持久化保存的,你可以随时中断流程,之后再继续执行,而不会丢失当前的工作状态。
工作流程:
Conductor 会按照既定流程逐步推进实施
plan.md 中对应任务的状态实施过程中,会更新以下文件:
conductor/tracks.md:整体 Track 状态conductor/tracks/<track_id>/plan.md:任务完成情况同步在实施过程中,你可以用以下命令管理项目进度。
用于汇总并查看项目的当前进度:
# Claude Code / OpenCode / Codex / Antigravity
check status
# Gemini CLI
/conductor:status
这个命令会汇总所有正在进行的 Track,显示它们的当前阶段和完成情况,让你快速了解哪些工作正在进行,哪些已经完成。
当需要撤销已完成的工作时,可以按逻辑单元进行回滚:
# Claude Code / OpenCode / Codex / Antigravity
revert
# Gemini CLI
/conductor:revert
Conductor 的回滚机制是 Git 感知的。它基于逻辑工作单元进行操作——包括 Track、Phase 和 Task ——而不是简单依赖 commit hash。
这种方式可以精确撤销指定的工作范围,不会影响无关改动,更适合多阶段、持续推进的开发流程。
对照规范和计划检查已完成的任务:
# Claude Code / OpenCode / Codex / Antigravity
review my work
# Gemini CLI
/conductor:review
这个命令会根据 plan.md 和 product-guidelines.md 审查已完成的工作,确保每个任务的产出符合项目规范和设计要求。
Conductor 安装非常简单,不需要额外配置,也没有复杂依赖。
git clone https://github.com/jnorthrup/conductor2.git
cd conductor2
Claude Code / OpenCode / Codex / Gemini CLI / Antigravity:
Windows(Git Bash):
Mac / Linux:
chmod +x install.sh
./install.sh
注意:如果你想在 GitHub Copilot 中使用 Conductor,请参考仓库里的 copilot-agent/ 目录进行配置。
安装完成后,重启你的 AI 工具,就可以开始使用了。

下面用一个完整示例,演示 Conductor 在实际项目中的使用。
示例:使用 Claude Code 构建 Todo 应用
在项目根目录打开 Claude Code,运行命令:
设置 conductor
# 或使用
/conductor 设置
Conductor 会分析当前项目,并引导你完成初始化设置:

生成产品愿景与目标(product.md):

生成产品风格指南(product-guidelines.md):

生成技术栈(tech-stack.md):

选择工作流(workflow.md):

选择代码风格指南(code_styleguides):

回答完所有问题后,项目设置完成。

完成项目设置后,Conductor 会引导你填写新 Track(功能或缺陷)的相关信息。

回答完全部问题后,新的 Track 就创建完成了。

Track 创建完成后,会提示你运行实现命令:
开始实现
# 或使用
/conductor 开始实现
开始实现功能,AI 会更新tracks.md:

更新plan.md:

在实现过程中,你可以用以下命令查看项目进度:
查看状态
# 或使用
/conductor 查看状态
运行查看命令,显示项目状态:

每个阶段完成后,AI 会暂停,让你手动验证进度。

在验证阶段,你可以运行审查命令检查已完成的工作:
审查我的工作
# 或使用
/conductor 审查我的工作
运行审查命令,查看审查报告:

如果对结果不满意,还可以撤销已执行的工作:
运行还原命令,AI 会检查当前项目状态:

注意:如果自然语言命令无法触发 Conductor,可以在命令前加上/conductor前缀,例如 /conductor 审查我的工作。
任务完成后,你可以对 Track 进行归档工作。
完成以上步骤后,我们的 Todo 应用就顺利开发完成了!

启动应用查看:

新项目:
You: "Set up conductor"
AI: [Walks through interactive setup]
You: "Create a feature for user registration with email verification"
AI: [Generates spec and plan, presents for approval]
You: "Implement the track"
AI: [Works through tasks following TDD, commits after each task]
现有项目:
You: "Set up conductor"
AI: [Detects existing project, analyzes codebase, infers tech stack]
You: "Create a track to add OAuth authentication"
AI: [Generates spec based on existing architecture]
You: "Implement the track"
AI: [Integrates with existing code following project patterns]
初始化完成后,项目目录大致如下:
your-project/
├── conductor/
│ ├── product.md # 产品愿景与目标
│ ├── product-guidelines.md # 产品 / 设计规范
│ ├── tech-stack.md # 技术栈和工具选择
│ ├── workflow.md # 开发流程规则
│ ├── tracks.md # Track 总览列表
│ ├── code_styleguides/ # 各语言代码风格指南
│ ├── tracks/ # 当前进行中的 Track
│ │ └── /
│ │ ├── metadata.json # Track 元数据
│ │ ├── spec.md # 功能说明
│ │ └── plan.md # 实施计划
│ └── archive/ # 已完成的 Track
├── src/ # 应用代码
└── ...
Conductor 使用 Markdown 复选框来表示任务进度:
[ ] 未开始[~] 进行中[x] 已完成plan.md 展开Conductor 需要读取项目里的上下文、规范和计划文件。项目越大、前期规划写得越细,使用过程中消耗的 Token 也会相应增加。
提示:可以使用.claudeignore来排除不需要分析的文件,类似于.gitignore,可以避免无关内容被处理。
conductor/ 视为项目的一部分,而不是初始化时的一次性产物A: Conductor 支持断点续传。只要再次运行 implement 命令,它会从上次中断的位置继续执行。
A: 建议一次只做一个 Track,这样上下文清晰。如果需要并行开发,可以在不同分支上操作。
A: 使用 revert 命令,它会生成反向提交,同时保留完整的 Git 历史。
A: 是的,建议把整个 conductor/ 目录加入版本控制。
A: 不支持嵌套 Track。如果功能复杂,可以在 plan.md 里把任务拆分为多个阶段。
A: 可以,通过修改 conductor/workflow.md 来定义自己的工作流规则,Conductor 会按这个文件执行。
在 AI 编程时代,我们一直在探索适合 AI 的软件工程实践。Conductor 的出现,让 AI 编程更接近真实的软件开发。它让我们不急着动手写代码,而是先把需求和方案理清楚,用明确的规范替代「差不多就行」的心态。
我们使用 AI 来编码追求的不是代码「能跑就行」,而是希望通过清晰的流程、测试和验证,让每一个结果都有据可依。Conductor 会把所有决策、规划和验证都记录在 Git 历史中,即便几个月后回头看,也能清楚地理解当初为什么这么做。
Conductor 不只是一个工具,更像是一种工作方式的改变。它的重点不是写得有多快,而是让你能和一个懂工程的「AI 伙伴」协作,把软件踏踏实实做好。即使面对不熟悉的技术栈,在完整项目上下文的约束下,你也能按步骤推进,做出可上线、可维护的功能,而不是一次性的实验代码。
如果你也想在下一个项目里让 AI 协作开发更高效、更可靠,不妨试试 Conductor。
Github 地址:https://github.com/jnorthrup/conductor2
[1] Conductor: https://github.com/gemini-cli-extensions/conductor
====== End
此内容由惯性聚合(RSS阅读器)自动聚合整理,仅供阅读参考。 原文来自 — 版权归原作者所有。