kflow Engineering Skills
GitHub
14 Skills35 Agent PlatformsDeterministic CLINode ≥ 20

让 AI 按工程闭环完成编码任务

kflow 根据功能、Bug、重构、路线图和审查选择正确工作流。k-flow 先读项目地图,选定 Work 类型和当前步骤,再用同一信号验证——不是只交付一段看似合理的代码。

Quick startbash
$ npm install -g k-flow@latest
$ cd your-project
$ kflow init
→ installed 14 Skills under .agents/skills
→ connected detected Agent platforms
✓ project ready — describe your task to the Agent
§01 · 为什么需要 kflow

AI 会写代码,但不一定完成工程任务

kflow 补上从“开始修改”到“结果可信”之间最容易丢失的三个环节,同时保留项目原来的事实系统。

P.01

先分清任务

新增行为、故障诊断、等价重构和只读审查需要不同方法,不能共用一条机械流水线。

P.02

用同一信号验证

修改前建立能观察目标或故障的信号,修改后用同一个信号证明变化,而不是换一套更容易通过的标准。

P.03

事实回到项目

稳定知识写回根 AGENTS.md 或 project-map,以及项目已有文档,不复制第二套真相。

§02 · 工作流

从一句自然语言,到可验证的交付

初始化后直接在 Agent 中描述目标。k-flow 选定 Work 类型和当前步骤;拷问、实现、审查与写回由对应 Skill 接力。

01理解目标

选定 Work 类型和当前步骤;需要执行时确认成功标准。

02读取现场

检查真实代码、测试、项目说明和现有事实归宿,不根据文件名或旧文档猜测。

03建立信号

为目标行为、故障症状或现有行为建立可重复反馈基线。

04最小实现

完成必要改动;风险出现时才增加原型、检查点、独立审查或恢复记录。

05验证交付

运行同一反馈信号,报告改动、证据、未验证事项和剩余风险。

§03 · 证据闭环

不同任务,不同完成标准

red → green

Feature

目标行为先因尚未实现而失败,再由同一测试或探针证明实现成功。

red → green

Issue

先复现用户看到的同一个故障症状,再由同一信号证明它已消失。

green → green

Refactor

修改前建立行为基线,修改过程中和完成后保持等价证据通过。

§04 · 14 个独立 Skill

覆盖日常工程工作,不增加入口负担

多数时候只需从 k-flow 开始,也可以直接调用任何一个专用 Skill。

k-flow

选定 Work 类型和当前步骤

k-onboard

建立核实地图与 AGENTS 契约

k-feat

新增或改变行为

k-issue

诊断与授权修复

k-refactor

行为等价的结构改进

k-roadmap

多交付项目标与验收

k-implement

对着 spec 做 TDD

k-grilling

拷问至 Spec Clear

k-review

独立双轴审查

k-knowledge

写回 AGENTS.md 或地图

k-author

写给 Agent 的文档

k-research

一手证据调研

k-prototype

单一决策原型

k-reconcile

项目地图校准

§05 · 安装与使用

三步接入你的项目

支持 35 个 Agent 工具。默认连接项目中已检测到的平台,也可以显式指定或一次安装全部集成。

Install
$ npm install -g k-flow@latest
$ cd your-project
$ kflow init

# 指定平台
$ kflow init --tools codex,claude

# 检查安装
$ kflow doctor
1 · 安装 CLI需要 Node.js 20 或更高版本。
2 · 初始化项目14 个 Skill 安装到 .agents/skills,并连接检测到的平台。
3 · 描述任务在 Agent 中说“用 kflow 修复这个问题”或直接调用专用 Skill。
平台选项使用 --tools all 安装全部平台;不支持符号链接时使用 --copy。