Ouroboros ooo auto实战：模糊想法到A级Seed再到执行的一站式流水线完全指南-编程实验室

Ouroboros ooo auto实战：模糊想法到A级Seed再到执行的一站式流水线完全指南

【免费下载链接】ouroborosAgent OS: the agent gets smarter on its own. We just hold the line: the grading command and expected result never make it into the success contract we hand it. Interview-gated, staged evaluation, budgeted evolution loop. MCP server, 13 runtimes: Claude Code, Codex CLI, Gemini CLI, OpenCode, Copilot, Kiro and more.项目地址: https://gitcode.com/gh_mirrors/ouroboros13/ouroboros

Ouroboros 是一个面向 AI 编码的 Agent OS（智能体操作系统），它的核心命令ooo auto能把一句模糊的想法自动收敛为 A 级 Seed 规格，再交给 13 种运行时（Claude Code、Codex CLI、Gemini CLI、OpenCode 等）执行与自评估——全程只需一条命令。本文将带你完整走通这条"模糊想法 → 采访 → A级 Seed → 执行"的一站式流水线，并讲清楚每一步背后的质量门禁。

30 秒理解：为什么`ooo auto`比手动提示更可靠 🎯

多数 AI 编码失败发生在输入端，而不是输出端。你一句"帮我做个任务管理工具"，模型只能靠猜——猜错假设，返工加倍。

ooo auto的解法是把"猜"换成"收敛"：

环节	手动提示	`ooo auto`
需求澄清	靠你自己反复追问	有界苏格拉底式采访，自动答案带来源标签
规格	没有，边写边漂移	不可变 Seed，A 级门禁放行才执行
质量验证	"看起来不错"	执行后自动进入评估 → 进化循环

关键设计一句话：评分命令和预期结果永远不会写进交给智能体的成功契约——智能体只会"做对"，不会"应试"。

快速上手：安装并跑通第一条 ooo auto 命令 🚀

一键安装

在终端执行（自动检测你机器上已有的运行时）：

curl -fsSL https://raw.githubusercontent.com/Q00/ouroboros/main/scripts/install.sh | OUROBOROS_INSTALL_REF=readme bash

安装脚本的位置见 scripts/install.sh。

首次使用：两条命令

打开你的 AI 编码智能体会话（以 Claude Code 为例），按顺序运行：

ooo setup ooo auto "Build a task management CLI"

ooo setup是一次性配置，ooo auto就是本文章的主角。执行setup refresh后，Ouroboros 会按你机器上实际安装的运行时逐个写入规则与技能：

💡 如果你更想自己回答每个问题，可以走手动路径：ooo interview "..."→ooo run。完整上手流程见 docs/getting-started.md。

流水线全景：从模糊想法到 A 级 Seed 的 6 个阶段 🔍

ooo auto内部是一台每一步都持久化到磁盘的状态机：

CREATED → INTERVIEW → SEED_GENERATION → REVIEW ⇄ REPAIR → RUN → COMPLETE ↓ BLOCKED / FAILED

状态机实现在 src/ouroboros/auto/pipeline.py，各阶段详解如下：

阶段 1：有界苏格拉底采访（Interview）

采访者（LLM）负责提问，但绝不负责收尾——驱动层用超时 + 最大轮数双重封顶，防止 LLM 无限发散。逻辑见 src/ouroboros/auto/interview_driver.py：

每次 LLM 调用都有timeout_seconds
整个循环有max_rounds上限

阶段 2：确定性自动回答（AutoAnswerer）

采访的空档由一个零 LLM 调用的确定性应答器填写，每个答案强制带来源标签：

标签	含义
`[user_goal]`	直接来自你的一句话目标
`[repo_fact]`	从仓库事实推断
`[conservative_default]`	安全默认策略
`[assumption]`	兜底假设（可追溯、可质疑）

所有条目进 Ledger（src/ouroboros/auto/ledger.py），冲突解决有确定性优先级：人的意图永远压过模型推理。应答器源码见 src/ouroboros/auto/answerer.py。

阶段 3：Seed 生成与 A 级门禁（Review ⇄ Repair）

生成的 Seed 必须通过五维指标门禁才能拿到 A 级：

覆盖率 ≥ 0.90
模糊度 ≤ 0.20
可测性 ≥ 0.85
执行可行性 ≥ 0.80
风险 ≤ 0.25

门禁还会硬拦截"easy、intuitive、robust"这类模糊词，以及只有单词没有可观测句式的假验收标准。没到 A 级？SeedRepairer会做最多 5 轮零 LLM 调用的确定性修复（替换模糊措辞、补标准验收标准、补约束）；5 轮内修不好或出现重复问题指纹，直接BLOCKED召唤人类——绝不无限循环。

实现分别在 src/ouroboros/auto/grading.py 和 src/ouroboros/auto/seed_repairer.py。

阶段 4：执行与自评估（Run → Evaluate → Ralph）

拿到 A 级 Seed 后自动交给运行时执行。注意一个精妙的点：ooo auto在拿到持久执行句柄后即达COMPLETE，真正的run → evaluate → ralph链作为后台任务继续跑，进化代数由execution.auto_evolve_max_generations（默认 3）封顶——有限、有界、可审计。

关键参数速查：resume、skip-run 与效率模式 ⚙️

所有循环都有界，失败会返回可恢复的auto_session_id。常用参数：

参数	作用
`--resume <auto_session_id>`	从磁盘持久化的精确断点恢复（含 BLOCKED 场景）
`--skip-run`	只走到 A 级 Seed 就停，不启动执行
`--max-interview-rounds N`	采访轮数上限
`--max-repair-rounds N`	Seed 修复轮数上限
`--efficiency-mode adaptive\\|quality_first`	效率优先 / 质量优先
`--pipeline-timeout-seconds X`	启动时设置整条流水线的总超时
`--runtime <name>`	指定执行阶段的运行时后端

完整参数表见 docs/cli-reference.md，命令入口契约见 skills/auto/SKILL.md。

卡住了怎么办：BLOCKED 处理与 TUI 实时监控 🛠️

遇到 BLOCKED 时：查看stop_reason_code（如采访轮数耗尽、残留不安全缺口），用ooo auto --resume <id>补上信息继续跑。规则很硬：Auto 永远不会自行放宽已批准的目标、验收标准或约束——改规格必须由你拍板。

实时监控：运行ouroboros tui monitor打开终端仪表盘，Double Diamond 四阶段进度条 + 验收标准执行树一览无余：

TUI 完整键位与屏幕说明见 docs/guides/tui-usage.md。

Ouroboros ooo auto实战：模糊想法到A级Seed再到执行的一站式流水线完全指南