项目简介

RED（全称 Research、Evolve、Document）是一套面向 AI 辅助工程的项目知识方法论。它解决了一个核心问题：当 AI Agent 参与开发时，如何让人类和 AI 对项目状态（哪些在探索中、哪些正在做、哪些已经定下来）形成一致的认知？RED 通过在项目文档中显式标注三种状态——研究（Research）、演进（Evolve）、归档（Document）——让 AI 能够准确判断哪些信息可以依赖、哪些还需要人确认，从而避免 AI 基于过时或未经验证的信息做决策。

核心能力

三态工作流：Research（调查问题）、Evolve（实施验证）、Document（归档决策），每种状态对应明确的触发条件和推进规则。

Skill 化的工程助手：提供标准化 Agent Skill，兼容 Claude Code、Cursor 等主流 AI 编码工具，引导 AI 按 RED 协议工作。

CLI 工具：red 命令行支持初始化项目配置、创建工作记录、推动状态转换、执行验收确认等操作。

灵活的接入方式：支持 Skill 安装、AGENTS.md 托管块、standalone RED.md 三种接入层级。

冲突显式化：当源码、测试或运行时输出与文档描述不一致时，RED 会在 Research 阶段主动标出冲突，等待人类决策。

多端同步：工作记录可本地保留、提交到 Git 或通过 Issue/PR 共享，适应不同团队的协作模式。

零模型依赖：方法论本身不依赖任何大模型，纯规则驱动，任何支持 Skill 加载的 Agent 均可使用。

安装配置

安装 Skill（推荐方式）

通过 npx 安装：

npx -y @exoticknight/red@latest skill install --scope repo

或通过 Python 安装：

pipx run --spec red-methodology red skill install --scope repo

安装 CLI

npm install -g @exoticknight/red

或

pipx install red-methodology

使用步骤

初始化项目：在项目根目录执行 red init，生成 red.toml 配置文件。

创建 Research：发现问题时执行 red new research --title "缓存失效原因调查"。

推进到 Evolve：获得授权后执行 red promote R-1 --to evolve --title "采用缓存失效策略"。

验收后归档：验证通过后执行 red promote E-1 --to document --accepted --verified --document README.md。

日常对话使用：在支持 Skill 的 AI 客户端中发送：请用 RED 检查这个项目，识别已归档的文档，标出未解决问题。

适用场景

复杂项目维护：长期项目文档与实际代码脱节，AI 容易基于过时信息给出错误建议。

AI 原生开发流程：团队大量使用 AI 编码工具，需要规范 AI 的工作边界和决策依据。

多人协作项目：不同成员在不同时段与 AI 交互，需要统一的上下文状态管理。

技术债务梳理：系统性地调查、记录和解决历史遗留问题，形成可追溯的决策链。

适用人群

使用 AI 辅助开发的工程师、AI 编程工具的深度用户、技术负责人、以及希望规范 AI 在团队项目中行为模式的开发团队。

工作原理

RED 方法论的核心是一套状态协议（RED Protocol）。项目文档被划分为三类区域：已归档文档（被人类或授权决策确认过的内容，AI 可直接依赖）、研究区（正在调查的问题，AI 需明确标注不确定性和假设）、演进区（正在实施的变化，AI 需呈现证据并等待验收确认）。RED Skill 作为 Agent 的引导层，在每次对话中检查项目状态，在发现文档与实现不一致时主动暂停并请求人类决策。

官方链接：https://github.com/exoticknight/red