AI 写代码老顺手改我的项目？这个 102⭐ 沙箱 Skill 把实验关进笼子里

有没有过这种崩溃时刻：让 AI 写个新模块试试，结果它顺手把你项目的核心配置改了一半、装了一堆临时依赖、还顺手重构了你不希望动的地方？git status 刷出来一片红，半天回滚。这就是 AI 编码最大的”隐藏税”——实验痕迹污染主仓库。

今天推荐的 tinkering 专门治这个病：让 AI 跑实验，但严格关在沙箱里。

它到底解决什么问题

开发者用 AI 编码助手时最常踩的坑，不是它写不出来，而是它太爱顺手改东西。一个想测一下新库的小改动，最后变成跨模块重写；一个 spike 实验，结果搞乱了你明天要 demo 的代码。

tinkering 是 rfxlamia 开源的 AI 代理沙箱实验框架（GitHub rfxlamia/skillkit，102 ⭐）。它的核心思路非常工程师：给实验划一块独立地盘，写一份实验清单，跑完决定升不升级。

六阶段工作流

• Setup：建独立 sandbox 目录
• Hypothesize：写假设（要验证什么）
• Experiment：让 AI 折腾，但改动只限 sandbox
• Evaluate：评估结果是否有效
• Graduate / Discard：通过就合回主分支，废掉就清掉
• Cleanup：删 sandbox，不留垃圾

关键设计是作用域隔离——所有改动只在 sandbox 目录里，AI 不能直接碰主代码。哪怕实验搞崩了，rm -rf sandbox 就完事。

什么时候用

五种触发场景它写得清清楚楚：

• “experiment with” / “试试这个方案”
• “spike” / “POC” / “prototype”
• “tinker” / “tinkering mode”
• “explore options”（多方案对比）
• 新库要不要引用的快速验证

什么时候不要用也明说了：调试 bug 用 debugger、写测试用 test runner、确定要提交的代码用 git branch——它只负责”我不知道这行不行得通”的探索阶段。

和 git branch 的区别

这点很赞：branch 是”我已经决定要做了，找个干净地方开工”；tinkering 是”我不知道这行不行，先乱搞再说”。一个要 commit，一个纯探索。试 5 种方案再决定哪个进 branch，比上来就建 branch 切来切去快几个量级。

上手方式

零配置，一行命令安装：

npx skills add https://github.com/rfxlamia/skillkit --skill tinkering

安装后跟 AI 说 “tinker with this” 或 “spike this approach” 就会自动进入沙箱模式。Claude Code、Cursor、Codex 等都支持。

为什么开发者该装

AI 编码工具的下一个分水岭，不是”会不会写代码”，而是”会不会乱写代码”。tinkering 这类工具代表了成熟工程团队应该有的实验纪律——把 AI 当一个能力很强但手很贱的实习生，给它一个临时工位干活，比放它在生产环境随便跑靠谱得多。

GitHub: https://github.com/rfxlamia/skillkit

GitHub: https://github.com/rfxlamia/skillkit