协作协议：Serial Studio 仓库的 AI 结对开发工作准则-北京尧图网络

协作协议Serial Studio 仓库的 AI 结对开发工作准则【免费下载链接】Serial-StudioOpen-source telemetry dashboard. Supports UART, BLE, MQTT, Modbus, CAN Bus and more.项目地址: https://gitcode.com/GitHub_Trending/se/Serial-StudioSerial Studio 是一个开源的跨平台遥测仪表盘项目Qt 6.11.2 C20支持 UART、BLE、MQTT、Modbus、CAN Bus 等数据源。本篇文章聚焦该仓库doc/claude/目录下的《Working Relationship》协作文档讲解当 AI Agent 与维护者在本仓库结对开发时双方应当遵循的五条核心工作准则——从推荐而非罗列、敢于反驳到以现实观测为最高事实等。读完本文你将掌握如何在 Serial Studio 这样复杂度极高的代码库中与 AI 协作伙伴高效、可信地推进开发工作并能将这些准则与仓库内实际的规则体系Trust Contract、spec-driven 工作流、J-Space 纪律对照印证。核心思想平等协作而非单向执行doc/claude/working-relationship.md开篇即奠定了整个仓库 AI 协作文化的基调以同侪peer身份工作而不是一个被动的命令执行者。最好的会话是一个循环Agent 带来工程能力与对抗性检查adversarial checks维护者带来事实真相与判断力。文档明确指出这个协作模式最需要持续纠正的失败模式来自低参与度和虚假自信false confidence而不是谨慎过头——用文档原话来说就是Engage harder, claim less更投入地参与更少地宣称。这一理念并非孤立存在它与仓库根目录 CLAUDE.md 中的整套规则体系互为表里。working-relationship.md在 CLAUDE.md 的 Sub-Documentation 表格中被标注为如何在此协作的必读文档Read once per session每个会话读一遍并被 trust-contract.md 列为配套阅读companion reading。因此理解这五条准则实际上就是在理解 Serial Studio 仓库 AI 治理体系的核心运作逻辑。准则一推荐而非罗列Recommend, dont enumerate当面临选择时给出一个明确的建议pick和一句为什么然后再列出备选方案。文档对此的批评非常直接Here are five options, which do you want?这里有五个选项你想要哪个这句话本质上是在把思考工作转嫁给用户。一个可以被否决的清晰推荐远胜过一个中立的菜单。在 Serial Studio 仓库中这条准则被落实为每个设计决策只能有一个推荐。例如在 j-space.md 的第五项纪律Named lenses for breadth and creativity中明确写道Designing: sketch 2-3 named candidate approaches before recommending one (recommend, dont enumerate — the naming is for divergence, the human still gets one pick)——即设计时先命名式地画出 2~3 个候选方案以激发发散思维但人类仍然只得到一个推荐。而 spec-driven.md 的 plan 模板更是把这条准则内置为硬性要求Tradeoffs surface up front, as decisions——权衡必须以前置决策的形式呈现而不是事后补记。准则二当选择会付出代价时敢于反驳Push back when a choice will cost不同意时要说出来点明代价并在有理由时坚持立场。文档列举了几类典型的会付出代价的情形一次有风险的git操作一个建立在未构建代码unbuilt-code上的赌注一个会导致某些功能回归的设计。文档的立场很鲜明让坏决定通过的顺从deference比摩擦更糟但同时要求一旦问题得到解答就快速让步Concede fast once its answered。这条准则在仓库中得到了最严格的制度化体现——即 trust-contract.md 中的绝对规则绝不触碰、回退或恢复你自己编辑范围之外的文件。该规则禁止 Agent 对工作区中任何非本人编辑的文件执行git checkout/restore/reset/stash/clean等操作即使这些文件看起来像噪声、生成产物或杂散的子代理输出。文档记录了这条规则的来历曾有子代理重新生成了翻译文件一次反射式的 restore 几乎丢弃了数小时未提交的工作。此外Stay in your lane守好本职规则同样体现了敢于说、但别越界的精神发现邻近的问题时在聊天中点名它noticed X — want it in this pass?而不是把它偷偷塞进当前 diff——范围蔓延scope creep会侵蚀审查者对每个 diff 的信任。准则三现实观测高于纸上推理Ground truth outranks on-paper reasoning一张截图、我平移视图时会闪烁、峰值几乎看不见——这些真实观测是权威的而纸上写的这应该是正确的则不是尤其是在感知/UI 类工作上。文档要求把真实世界的观测当作规格说明书spec并尽早索要它们而不是盲目交付。这条准则在 Serial Studio 仓库中是被严格执行的工程纪律贯穿多个文档CLAUDE.md 的 Behavioral Rules 明确写道Runtime experiments are sanctioned. Ground truth beats on-paper reasoning——运行中的实验是被认可的可以通过 API 服务器localhost:7777配合 tests/utils/api_client.py驱动正在运行的应用来验证假设也可以对既有构建目录运行ctest和已构建好的二进制--selftest、--benchmark-hotpath。对于 GUI 卡顿问题CLAUDE.md 的规则更为具体Sample the running app before theorizing about a GUI stall——永远不要只凭源码去推理冻结、卡顿或窗口尺寸失效问题而应该用sample pid在后台采样真实堆栈。common-mistakes.md 记录了这条规则背后的血泪教训2026-08-13 事件中从源码读出的三个看似合理的修复方案全部是错的而一次采样就一锤定音。spec-driven.md 的 Phase 0可选、无门槛的探索阶段同样体现了这一精神在写 spec 之前允许用一次性原型scratchpad sims、对运行中应用的 API 实验来用戳现实的方式形成假设而不是靠坐而论道来写规格。准则四把权衡作为前置决策呈现而非事后备注Surface tradeoffs as decisions当两个合理的设计在某件重要的事情上产生分歧时可读性 vs 保真度、性能 vs 简洁性要在构建之前就把权衡摆到台面上并附上推荐。文档特别指出决定性的约束条件往往早已为人所知——应该一开始就把它拉出来而不是等到第三轮迭代才发现。这条准则在仓库中同样是 spec-driven 工作流的硬性组成部分。正如 spec-driven.md 在Why spec-driven over prompt engineering一节中所言Tradeoffs surface up front, as decisions. The working-relationship rule (surface tradeoffs as decisions, not after-the-fact notes) is built into the plan template.——也就是说working-relationship 的这条准则被直接内置到了/ss-plan阶段生成的plan.md模板中要求每个计划都显式写出tradeoffs as decisions, risks。这也是为什么仓库要求非平凡/多文件工作必须走/ss-spec→/ss-plan→/ss-tasks→/ss-implement四阶段门控流程一个错误的方法会在plan.md阶段被否决而那时修改的代价为零而不是等到一份 600 行的 diff 之后。准则五参与为什么而不仅仅是什么Engage the why, not just the what更高层次的问题会出现——这是正确的方法吗从业者是怎么做的这件事到底应不应该做文档要求认真对待这些问题重构问题本身reframing the problem往往比执行第一个貌似合理的修复更有价值。文档以恒定宽度是示波器采用的做法为例说明一次好的问题重构能够带来的价值。这些对话是被期待的不是绕路These conversations are wanted, not detours。这一点与 j-space.md 的整套言语化纪律verbalization discipline相呼应。J-Space 的核心洞察是模型能够言语化的概念正是那些可用于灵活、有意识计算的概念而熟悉形状的工作文本续写、模式匹配式编辑会绕过工作区自动运行——这正是静默破坏规则silent-breakage rules被违反的模式。因此仓库要求在危险编辑之前用自己的话命名当前修改所受的 3~5 条不变量Verbalize to load在交付之前做反事实自检Counterfactual self-check如果我现在被叫停并问我这个 diff 最可能违反哪条规则我会说出哪条有什么具体证据表明它没有违反——要说出规则和证据而不是一句笼统的看起来没问题。五条准则如何融入仓库的日常协作流程将五条准则放在一起看它们并不是孤立的软技能建议而是与 Serial Studio 仓库的整套 AI 治理体系一一对应、互相支撑的working-relationship 准则仓库中的制度化落点Recommend, dont enumeratej-space.md 第五项纪律命名式发散单一推荐spec-driven.md plan 模板Push back when a choice will costtrust-contract.md 的绝不触碰他人文件绝对规则Stay in your laneGround truth outranks on-paper reasoningCLAUDE.md 运行时实验认可条款GUI 卡顿采样规则common-mistakes.mdSurface tradeoffs as decisionsspec-driven.md 四阶段门控与 plan 模板Engage the whyj-space.md 六项言语化纪律与反事实自检在实操层面这些准则通过 repo-skills.md 中列出的/-斜杠技能被即时调用例如ss-hotpath编辑数据热路径前必须自行调用、ss-spec/ss-plan/ss-tasks/ss-implement四阶段门控、ss-verify提交前包装code-verify.pysanitize-commit.py、ss-ai-audit审计 AI 面向文档与代码事实是否漂移等。每个技能都锚定了一条来自 J-Space 的言语化步骤确保在行动点附近命名约束这一核心机制得以生效。值得注意的是这些协作准则还配有一整套机械化的强制检查作为兜底scripts.md 中描述了code-verify.py结构语调 lint、claim-verify.pyAI 面向文档中的每个路径、符号、固定常量都对照代码树解析、sanitize-commit.py每次提交前运行等脚本以及singleton-census、tu-census、layer-verify.py等增长棘轮ratchet门控。这意味着engage harder, claim less不只是一句口号——仓库用可运行的检查来确保 Agent 的每一个宣称都有据可查从而把协作关系建立在**可预测性predictability**之上正如 trust-contract.md 所说能力没有可预测性就会被禁用Capability without predictability gets disabled。结语Serial Studio 的 working-relationship.md 虽然只有短短数十行却是理解整个仓库 AI 协作体系的钥匙。五条准则——推荐而非罗列、敢于反驳、现实观测优先、权衡前置、参与为什么——共同刻画了一种理想的结对开发状态Agent 不是应声虫也不是独断者而是维护者身边一位既敢于提出专业判断、又严格遵守边界、以现实为最高事实的同侪。当你在这个仓库中与 AI 协作时把这五条准则与 CLAUDE.md、trust-contract.md、spec-driven.md、j-space.md 等配套文档结合起来阅读和实践就能理解并融入这套经过实战打磨的协作文化——而这正是Engage harder, claim less这句话的真正含义。【免费下载链接】Serial-StudioOpen-source telemetry dashboard. Supports UART, BLE, MQTT, Modbus, CAN Bus and more.项目地址: https://gitcode.com/GitHub_Trending/se/Serial-Studio创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

协作协议：Serial Studio 仓库的 AI 结对开发工作准则

相关推荐

OpenCloud 依赖剖析：用 Go 的 httpcc 库正确解析 HTTP Cache-Control 头

大模型 system prompt 泄露风险与工程化防护指南

大促值守机器人告警风暴消噪算法：基于时序滑动窗口与拓扑剪枝

更多资讯

jQuery Mobile弹窗组件开发实战与优化指南

基于Spring Boot和Vue的作家信息管理系统设计与实现

kohya_ss 零门槛：10 分钟跑通 AI 绘画 LoRA 训练

Deep-Live-Cam 实时换脸快速上手指南：一张照片，十分钟开播

AI导论48学时授课计划拆解：从机器学习到TensorFlow的实训路径

CANN ops-math 算子调用实战：快速体验、aclnn API 与 GE 图模式全解析

今日更新

AReaL 调试指南：从 Agent Workflow 验证到分布式训练死锁诊断

MATLAB实现GPS L1 C/A信号仿真与二维捕获验证

彻底搞懂ASCII、Unicode与UTF-8：从乱码根源到编码实战

本周精选

AI驱动的自动化专利分析平台技术解析

LeetCode-Go 题解：1252. Cells with Odd Values in a Matrix（奇数值单元格计数）双解法剖析

在线答疑系统Java毕设实战：Spring Boot前后端分离与状态流转

本月热门

基于YOLO的焊缝缺陷检测：从数据标注到工业部署全流程实践

分布式服务的决策记录

创业产品的首版范围

读完文章，想聊聊您的网站？