agentic-praxis-grimoire

技能简介

Agentic Praxis Grimoire（简称 APGR）是一款提供商中立的 Agent 工程技能工具包和确定性工具集。它为 AI 编码智能体平台、LLM 验证框架和 Agent 工作流提供了一套规范的、受版本控制的技能语料库和确定性工程原语，包括：任务范围技能选择、不可变证据收集、隔离环境快照、代码结构热点分析以及上下文占用计量，帮助智能体在有边界的工程框架内稳定运行，而非盲目扩展上下文。

APGR v0.10.0 版本包含 45 个规范技能（14 个稳定级 + 31 个预备级），以及配套的 Go 核心库、Python 和 npm 分发适配器。

核心能力

• 45 个规范 Agent 技能：覆盖 14 个稳定技能和 31 个预备技能，提供标准化的任务范围指导文档
• 上下文占用计量：以版本化 apg.context-footprint/v1 schema 精确测量提示词、技能正文和支持文档的字节数和 UTF-8 字符数，并支持跨记录对比和投影
• 确定性证据记录：生成规范的 Show、Diff 和 Operational 记录，带有稳定域分离的加密摘要，确保操作可审计、可复现
• 严格环境快照：通过白名单机制捕获非敏感环境变量，支持隔离或叠加执行环境的可溯源解析
• 结构热点分析：在有边界的重构前对复杂或结构关键文件进行排名，明确区分深层指标、结构指标和不可用能力
• Go 核心库：可移植逻辑以独立、无依赖的 Go 包形式提供；Python 和 npm 包作为经过验证的轻量分发前端
• 跨运行时支持：可与 OpenClaw、NVIDIA NemoClaw、Claude Code、OpenAI Codex 等主流 Agent 运行时集成

安装配置

前置条件：

• Go 1.21+（如需源码编译和 CLI）
• Python 3.10+（如使用 Python 适配器）
• Node.js 18+（如使用 npm 适配器）

Go CLI 安装（推荐）：

go install github.com/Knowledge-Forge-AI/agentic-praxis-grimoire/cmd/apgr@latest
apgr --version

Python 安装：

pip install agentic-praxis-grimoire

npm 安装：

npm install agentic-praxis-grimoire

预构建运行时（免编译）：

• macOS Apple Silicon：darwin/arm64
• Linux x86_64：linux/amd64
• Linux ARM64：linux/arm64

源码检出：

git clone https://github.com/Knowledge-Forge-AI/agentic-praxis-grimoire.git
cd agentic-praxis-grimoire
go run ./cmd/apgr --version
go run ./cmd/apgr skills list

使用步骤

1. 安装工具：根据你的平台选择上述安装方式之一完成安装
2. 列出可用技能：apgr skills list，查看 45 个规范技能的全部分类
3. 获取技能详情：apgr skills get，获取特定技能的完整 Markdown 正文
4. 创建上下文捆绑包：apgr context bundle --skill，为指定技能创建版本化上下文包
5. 计量上下文占用：apgr footprint measure --file，测量任意文件或提示的 token 占用
6. 生成证据记录：apgr evidence show --input，为操作生成带加密摘要的可验证证据
7. 环境快照：apgr env snapshot，捕获当前环境变量白名单快照用于可复现验证

适用场景

• 有界 Agent 工程：为 AI 编码智能体提供标准化、边界清晰的任务指令，避免上下文无限膨胀
• Agent 行为审计：生成不可变证据记录，审计智能体在特定任务中的操作路径和决策链
• 上下文预算管理：精确计量不同技能和提示的上下文占用，优化智能体的 token 消耗
• 多智能体协作规范：多个智能体协同工作时，通过标准化的技能集和证据记录保证协作一致性
• 代码重构安全验证：使用热点分析识别高风险重构目标，通过环境快照保证重构前后环境一致
• Agent 平台评测：标准化 45 个技能的评测集，量化不同 Agent 平台在各类任务上的表现

适用人群

• AI Agent 系统工程师（将确定性技能嵌入智能体运行时）
• 编码智能体平台团队（提供边界化的、任务特定的指令集）
• 工具和验证框架作者（利用严格的环境快照和热点分析准备智能体工作区）
• 审计和评估人员（核查精确的规范化操作记录和证据捆绑）
• Agent 研究人员（使用标准化的技能 corpus 进行能力评测）

工作原理

APGR 的核心架构分为四层：

1. 技能语料库层（Skill Corpus）：skills/ 目录下的 Markdown 文件是规范正文权威来源，每个技能都有标准化的元数据头（版本、作者、适用条件、不适用条件）
2. 分发适配层（Distribution Adapters）：Go 核心库负责可移植逻辑，Python 和 npm 包作为轻量前端，通过二进制兼容接口暴露核心功能
3. 计量与验证层（Accounting & Evidence）：使用 apg.context-footprint/v1 schema 进行上下文计量；证据模块生成规范化 Show/Diff/Operational 记录并附加密摘要
4. 智能体集成层（Agent Integration）：通过 CLI 调用或库导入方式与各类 Agent 运行时集成，技能以 JSON/Markdown 格式注入到智能体上下文中

官方链接

• PyPI：https://pypi.org/project/agentic-praxis-grimoire/
• GitHub：https://github.com/Knowledge-Forge-AI/agentic-praxis-grimoire
• 文档：https://github.com/Knowledge-Forge-AI/agentic-praxis-grimoire/blob/v0.10.0/docs/README.md
• v0.10.0 发布说明：https://github.com/Knowledge-Forge-AI/agentic-praxis-grimoire/blob/v0.10.0/release/v0.10.0-notes.md