coding-tutor

GaleHarnessCLI

巨风科技研发团队提效工具 —— 基于 Compound Engineering 工作流与 HKTMemory 向量知识库的 AI 驱动开发套件。

快速安装 / 新手一键安装

macOS / Linux

普通用户优先安装 Release 二进制，不需要 clone 仓库：

curl -fsSL https://raw.githubusercontent.com/wangrenzhu-ola/GaleHarnessCodingCLI/main/scripts/install-release.sh | bash
gale-harness --version

Windows

Windows release binary installer 尚未进入 P0a 范围。当前不要把 source-mode 的 scripts/setup.ps1 当作普通用户默认一键安装；需要在 Windows 上试用或参与开发时，请参考下方“安装方式”里的贡献者源码安装路径。Windows release 安装器会在后续阶段补齐。

目录

• 核心理念
• 工作流
• 工程师实战指南
  • 场景一：新需求开发
  • 场景二：Bug 修复
  • 场景三：需求讨论与评审
  • 场景四：知识归档与复用
  • 场景五：代码优化
  • 场景六：研究现有代码
  • 场景七：一人十线 —— 并行开发（Worktree 隔离）
  • 场景八：探索改进机会
• 系统架构
• 核心工作流时序图
• 核心功能
• 全局知识仓库
• 安装方式
• AI工具安装
• 同步个人配置
• 目录结构
• 环境变量
• 贡献指南
• 许可证

---

核心理念

每一次工程实践都应该让后续工作变得更简单，而不是更复杂。

传统开发累积技术债务，每个功能增加复杂度。HarnessCLI 反转这一模式：

• 80% 精力投入规划与审查
• 20% 精力投入执行
• 通过知识沉淀实现复利效应

---

工作流

Brainstorm -> Plan -> Work -> Review -> Compound -> Repeat
    ^
  Ideate (可选 -- 用于发现改进点)

每个阶段都与 HKTMemory 向量知识库双向交互：阶段开始前检索相关记忆，阶段完成后存储新产生的知识。

命令一览表

命令	用途	HKTMemory 交互
/gh:ideate	通过发散思维和对抗性过滤发现高影响力改进点	检索历史建议，存储新发现
/gh:brainstorm	在规划前探索需求和方案，通过交互式问答细化想法	检索相关需求，存储需求文档
/gh:plan	将功能想法转化为详细实施计划，带自动置信度检查	检索相似方案，存储技术规划
/gh:work	系统化执行工作项，使用 worktree 和任务追踪	检索实现模式，存储实现总结
/gh:work-x	iOS Morph-X 实施模式：在保留工作流能力的同时降低模板化代码重复风险	检索历史模式标签，存储蓝图/策略指纹
/gh:review	多代理代码审查，分层角色和置信度门控	检索审查模式，存储审查发现
/gh:compound	记录已解决问题，沉淀团队知识	检索相关解决方案，存储完整知识
/gh:debug	系统性查找根本原因并修复缺陷	检索类似问题，存储调试经验
/gh:debug-x	iOS Morph-X 调试模式：保持根因定位纪律，并在修复产出后执行变换和相似度审计	检索历史模式标签，存储蓝图/策略指纹
/gh:optimize	迭代优化循环，并行实验和 LLM 评分	检索优化策略，存储优化结果
/document-review	多角色并行评审需求/方案文档	无
/gh:sessions	搜索历史 Claude Code/Codex/Cursor 会话	无
/gh:slack-research	搜索 Slack 获取组织上下文	无

入口说明：/gh:brainstorm 是主要入口 —— 它通过交互式问答将想法细化为需求文档，在不需要时自动跳过。/gh:ideate 效果显著但使用较少 —— 基于代码库主动发现改进建议。

工作流 Guardrails

核心 gh: 流程内置 Karpathy-inspired guardrails，不需要额外调用独立 skill。/gh:brainstorm 先挑战问题 framing 并拆分假设、非目标和成功标准；/gh:plan 要求复杂度能追溯到需求、风险或约束；/gh:work 把非平凡执行绑定到最小 execution contract 和 surgical diff；/gh:review 用意图摘要检查 diff hygiene，避免计划边界漂移和顺手重构。

背景记录见 docs/solutions/workflow-issues/karpathy-guidelines-workflow-guardrails-2026-04-24.md。

iOS Morph-X 降低代码重复风险

/gh:work-x 和 /gh:debug-x 是面向 iOS Swift/ObjC 代码产出的特殊工作流。它们先根据项目 seed、历史模式标签和 .morph-config.yaml 选择实现蓝图，再在代码产出后运行 gale-harness morph --apply 与 gale-harness audit --similarity，输出相似度风险报告。

Morph-X 的定位是降低模板化代码重复风险并提供自检证据，不保证 Apple App Review 通过，也不能替代真实的产品、UI、内容和功能差异。

---

工程师实战指南

以研发导师的视角，指导工程师在不同开发场景下如何高效使用。

场景一：新需求开发

需求理解 -> 技术规划 -> 编码实现 -> 代码审查 -> 知识沉淀

步骤	命令	产出
需求探索	/gh:brainstorm "实现用户登录功能"	检索历史案例，输出结构化需求文档到 docs/brainstorms/
技术规划	/gh:plan docs/brainstorms/user-login-requirements.md	检索相似方案，输出任务分解和置信度评估到 docs/plans/
编码实现	/gh:work docs/plans/user-login-plan.md	创建 git worktree，检索实现模式，存储实现总结
代码审查	/gh:review	多代理并行审查（安全/性能/正确性/可维护性）
知识沉淀	/gh:compound "用户登录功能的实现经验"	记录解决方案供未来参考

场景二：Bug 修复

# 推荐：使用完整工作流
/gh:debug

# 支持多种输入方式
/gh:debug "用户登录时偶尔出现 500 错误"
/gh:debug
> Error: Connection timeout at UserService.authenticate()
> Stack trace: ...
/gh:debug https://github.com/org/repo/issues/123

/gh:debug 会自动检索 HKTMemory 中类似历史问题，系统性定位根因，修复后自动存储调试经验。

场景三：需求讨论与评审

# 需求文档评审
/document-review docs/brainstorms/new-feature.md

# 技术方案评审
/document-review docs/plans/implementation-plan.md

多角色代理并行评审：产品视角（挑战假设/战略影响）、安全视角（数据暴露/认证漏洞）、可行性视角（技术可行性/架构冲突）、范围视角（复杂度/过度设计）。

场景四：知识归档与复用

# 归档已解决的问题
/gh:compound "解决大文件上传超时问题"

# 以上命令都会自动检索 HKTMemory
/gh:brainstorm "..."
/gh:plan "..."
/gh:debug "..."

场景五：代码优化

/gh:optimize "优化首页加载速度"

定义可测量目标，构建测量脚手架，并行运行多个实验方案，用 LLM 评分评估效果，自动保留改进方案。

场景六：研究现有代码

# 查询历史会话
/gh:sessions "上次我们是怎么处理认证问题的？"

/# 搜索 Slack 讨论
/gh:slack-research "团队对微服务拆分的讨论"

场景七：一人十线 —— 并行开发（Worktree 隔离）

一个工程师同时驱动 10+ 条需求流水线。每条流水线在独立 worktree 中运行，共享代码库和知识库，互不阻塞、互不干扰。

flowchart TB
    Lead["🎯 技术负责人\n1 人"]

    Lead --> W1["Worktree 1\nbrainstorm/user-auth\n需求探索中"]
    Lead --> W2["Worktree 2\nfeat/payment\n编码实现中"]
    Lead --> W3["Worktree 3\nfix/email-bug\n审查中"]
    Lead --> W4["Worktree 4\nfeat/search\n规划中"]
    Lead --> W5["Worktree 5\nbrainstorm/analytics\n需求探索中"]
    Lead --> Wn["Worktree N\n...\n并行推进"]

    W1 --> HKT["🧠 HKTMemory\n共享知识库"]
    W2 --> HKT
    W3 --> HKT
    W4 --> HKT
    W5 --> HKT
    Wn --> HKT