COMPASS Skills（司南）是一个面向 AI 编程 Agent 的本地化 Skills 系统，核心目标是让 Claude Code、Codex 等 Agent 在长期任务中具备更好的任务澄清、任务记忆、会话交接和用户协作偏好管理能力。仓库当前提供 4 个 SKILL.md 技能：task-clarifier、task-forest、session-handoff-prompt、user-profile-keeper，适合希望构建个人 AI 工作流、长期项目管理和本地优先 Agent 记忆体系的开发者使用。
适用领域
AI Agent / AI 编程助手 / Prompt Engineering / Agent Skills / 任务管理 / 工作流自动化 / 本地优先数据管理 / 开发者工具 / 个人 AI 系统 / Claude Code / Codex 扩展
配置难度
中等。普通开发者可以通过 npx 快速安装并直接使用四个技能；但要发挥最大价值，需要理解 Claude Code/Codex 的 Skills 机制、长期任务管理方法、本地状态文件边界以及如何编写高质量 Prompt。对于想二次开发自己技能生态的用户，学习成本会更高。
商业价值
对个人开发者和小团队有较高实用价值，尤其适合长期使用 AI Agent 参与真实项目开发的场景。它可以降低跨会话上下文丢失成本，提高需求澄清质量，减少 Agent 在复杂任务中的目标偏移，并为本地可审计的 AI 记忆系统提供模板。商业化层面，它更像是 AI Agent 工作流基础设施或团队内部 AI 协作规范的雏形，适合被集成到企业内部开发助手、代码维护流程、AI 项目管理工具或个人知识工作台中。
01
技术亮点
- 设计目标明确：专注解决 AI Agent 长任务中的上下文丢失、目标偏移、任务状态不可持续和跨会话交接问题。
- 本地优先：任务图谱和用户画像默认保存在本地，不上传任务数据或用户资料。
- 四个技能互补性强：任务澄清、任务森林、会话交接、用户画像形成完整协作闭环。
- 兼容 Claude Code、Codex 以及其他支持 SKILL.md 的 Agent 环境。
- 安装方式简单，可通过 npx skills add 一键安装，也支持手动复制技能目录。
- 安全边界描述较清晰，明确不读取浏览器 Cookie、Token、私钥、凭据或 Session。
- 适合中文开发者使用，项目本身有中文定位，并支持默认使用用户语言生成交接 Prompt。
- MIT License，便于二次开发、内部改造和集成到个人或团队工作流中。
- README 提供了丰富示例 Prompt，对初学者理解如何调用技能很有帮助。
02
目标用户
- 使用 Claude Code、Codex、OpenCode 等 AI 编程 Agent 的开发者
- 希望让 AI Agent 记住项目长期任务状态的独立开发者
- 需要跨会话交接 AI 对话上下文的团队成员
- 经常处理复杂需求澄清、任务拆解、代码审查或长期重构的工程师
- 关注隐私、本地存储和可审计 AI 记忆的用户
- 想学习或构建自己 SKILL.md 技能生态的 Prompt 工程实践者
03
配置要求
- 需要支持 SKILL.md 的 Agent 环境，例如 Claude Code、Codex，或能手动加载 AGENTS.md / SKILL.md 的 Agent。
- 推荐使用 skills CLI 进行安装，README 中验证版本为 skills@1.5.11。
- task-forest 默认会在当前工作区保存任务数据，通常位于 .agent-workbench/task-forest/。
- user-profile-keeper 默认将本地用户画像保存到 .compass-skills/user-profiles/v1，也可通过 COMPASS_USER_PROFILE_HOME 指定位置。
- 高风险操作如删除、覆盖、发布、远程写入、凭据使用、全局配置修改等应要求用户显式确认。
- 用户画像为本地明文存储，不应写入密码、Token、私钥、验证码、浏览器 Session 或高度敏感个人信息。
- 如果要生成可公开分享的交接 Prompt，应启用脱敏策略，移除本地路径和疑似凭据字符串。
04
适用场景
- 在 AI 执行复杂任务前，通过 task-clarifier 澄清目标、范围、验收标准和风险边界
- 在代码仓库内维护长期任务图谱，记录目标、子任务、依赖、进展、偏差、TODO 和决策
- 将当前 AI 对话压缩成可粘贴到新会话的交接 Prompt，避免重复解释上下文
- 维护本地用户协作偏好，例如沟通语言、风险偏好、输出风格和常见工作背景
- 在 Claude Code 或 Codex 中安装通用技能包，提高 Agent 的持续协作能力
- 为项目团队建立本地、可审计、可修正的 AI 任务记忆机制
- 作为参考模板开发自己的 SKILL.md 技能包
05
部署与配置
- 确保本地已安装 Node.js 和 npx。
- 查看可用技能：npx skills add dongshuyan/compass-skills --list
- 为 Claude Code 安装全部技能：npx skills add dongshuyan/compass-skills --skill '*' -a claude-code
- 同时为 Codex 和 Claude Code 安装：npx skills add dongshuyan/compass-skills --skill '*' -a codex -a claude-code
- 安装后可在 AI 对话中直接调用：$task-clarifier、$task-forest、$session-handoff-prompt、$user-profile-keeper。
- 如需手动安装，可复制仓库 skills/ 下的四个技能目录到对应 Agent 的本地 skills 目录，并保持 references/、scripts/、agents/ 子目录结构完整。
- 如果使用 task-forest 或 session-handoff-prompt 的脚本功能，需要本地具备 Python 3；脚本主要使用 Python 标准库。
06
风险与注意事项
- 项目主要是 Agent 技能和工作流规范，不是传统 Python 库；效果高度依赖具体 Agent 对 SKILL.md 的支持质量。
- user-profile-keeper 使用本地明文存储，如果用户误写入敏感信息，存在本机泄露风险。
- task-forest 会在仓库内写入任务状态文件，需要注意是否被误提交到 Git 仓库。
- 跨 Agent 兼容性可能存在差异，Claude Code 支持路径相对明确，其他 Agent 可能需要手动适配。
- 对于小型、短周期任务，引入任务森林和澄清流程可能显得偏重。
- 长期任务图谱的质量取决于用户和 Agent 是否持续维护，否则容易过期或产生噪声。
- 仓库 stars 约 315，仍属于较早期生态项目，社区规模和第三方验证有限。
- 如果团队多人共享同一仓库，需要明确哪些本地状态文件应共享、忽略或隔离。
2026-06-19
第29名
新收录 · github_search
