最近 dogfood 一个工具叫 mainline ,分享一下做这个的真实故事,顺便看 V2EX 上有没有人感兴趣内测。
我在公司推团队用 AI 编程,作为 staff engineer 写过内部 guideline 。过程中发现一个反复出现的现象:
AI agent 写出的代码不是"明显错"——是"看起来合理,但基于错误的历史前提"。
具体例子:
repo 里有个半成品的 Redis 队列:redis.go 、TODO 注释、docker-compose 里也配了 redis 。Claude Code 看到这些,合理地想把这个实现完。
但实际情况——这个团队 3 周前已经放弃 Redis 了,因为 replication 延迟导致 billing 事件重复。这个决定散在某个 PR 评论里、Slack 几条消息、几个工程师脑子里。
代码搜索能看到 redis 文件——但看不到那个决定。
每个都在某些场景下 work——但都没解决"agent 改不熟悉的代码前能拿到团队的真实决策"这个问题。
mainline 的 thesis:决策记忆应该是 git 一等公民。
具体设计:
如果上面场景命中你——欢迎私信或评论,我直接给你安装包 + 文档 + 每周一次 30 分钟同步。bug 我会优先 fix 。
也想听 V2EX 上的反馈——有没有更好的现有解决方案我没想到的?有没有觉得这个方向不对的?
不卖东西,纯粹想找几个深度用户 + 听不同视角。
1
a186232641 7h 43m ago
网页是啥 skill 做的,视觉感很好
|
2
ChristopherWu OP @a186232641 一个 design 的 skill
|
3
ChristopherWu OP 😂 怎么都没人回复的
|
4
9684xtpa 2h 3m ago
读了一遍,我问一个问题,我维护一个 actor log 和让 AI 记录到 md 的成本区别是啥
|
5
ChristopherWu OP @9684xtpa actor log 是结构化的,Agent 装了 skill 后自动记录,读取,而且持久化、渐进式记录到 git 上。
你写到 md 上,就需要结构化、渐进式记录。也不是不能做到,就像 text 也可以用 grep 做数据库一样,为什么还需要 mysql, nosql |