CLI-JAW

你的个人 AI 助手。2 行安装。13 个 AI 运行时入口，一个仪表盘。

English / 한국어 / 中文 / 日本語

安装

# macOS / Linux
JAW_SAFE=1 npm install -g cli-jaw    # skips optional tool/runtime setup
jaw init                              # 准备好后再交互式配置

Windows 用户应使用下方的 WSL 安装路径。原生 PowerShell 不是 CLI-JAW 支持的安装目标。

# macOS / Linux / WSL，已安装 Node.js 22.4+
npm install -g cli-jaw
jaw dashboard

完成。打开 http://localhost:24576 进入管理仪表盘。单个 agent Web UI 在运行 jaw serve 时仍从 http://localhost:3457 提供。需要 Node.js 22.4+。

第一次用？ 默认 npm 安装会初始化 CLI-JAW，并尝试配置原生 Claude。其他 AI CLI 是可选项；在 macOS/Linux 上如需安装全部工具，可运行 CLI_JAW_INSTALL_CLI_TOOLS=1 npm install -g cli-jaw。Windows 请使用下方 WSL 安装路径。

curl -fsSL https://raw.githubusercontent.com/lidge-jun/cli-jaw/main/scripts/install.sh | bash
source "${ZDOTDIR:-$HOME}/.zshrc" 2>/dev/null || true
bash "$(npm root -g)/cli-jaw/scripts/verify-fresh-install.sh"

# 1. 安装 WSL（以管理员身份运行 PowerShell）
wsl --install

重启后打开 Ubuntu，然后：

# 2. 安装 CLI-JAW + 所有依赖
curl -fsSL https://raw.githubusercontent.com/lidge-jun/cli-jaw/main/scripts/install-wsl.sh | bash
source ~/.bashrc
jaw dashboard
bash "$(npm root -g)/cli-jaw/scripts/verify-fresh-install.sh"

从 Windows PowerShell 进入 WSL 时，请通过 login shell 运行命令，以便加载 WSL profile PATH：

wsl.exe -d Ubuntu -- bash -lc "jaw dashboard"

发布安装器变更前，请在干净 VM 上运行此流程。collector 会把环境快照、installer 日志、实际运行的 collector/installer/verifier 脚本及其 SHA-256 哈希、verifier 日志和新 shell PATH probe 写入 ~/cli-jaw-fresh-install-evidence-*。

# macOS Terminal
COLLECTOR=/tmp/cli-jaw-collect-fresh-install-evidence.sh
curl -fsSL https://raw.githubusercontent.com/lidge-jun/cli-jaw/main/scripts/collect-fresh-install-evidence.sh -o "$COLLECTOR"
bash "$COLLECTOR" --target macos

# Ubuntu inside WSL
COLLECTOR=/tmp/cli-jaw-collect-fresh-install-evidence.sh
curl -fsSL https://raw.githubusercontent.com/lidge-jun/cli-jaw/main/scripts/collect-fresh-install-evidence.sh -o "$COLLECTOR"
bash "$COLLECTOR" --target wsl

从 Windows PowerShell 运行时，请走受支持的 WSL 路径：

wsl.exe -d Ubuntu -- bash -lc 'COLLECTOR=/tmp/cli-jaw-collect-fresh-install-evidence.sh; curl -fsSL https://raw.githubusercontent.com/lidge-jun/cli-jaw/main/scripts/collect-fresh-install-evidence.sh -o "$COLLECTOR"; bash "$COLLECTOR" --target wsl'

把 evidence 目录作为发布证据前，请先 audit：

EVIDENCE_DIR="$(ls -dt ~/cli-jaw-fresh-install-evidence-* | head -1)"
AUDITOR="$(npm root -g)/cli-jaw/scripts/audit-fresh-install-evidence.mjs"
node "$AUDITOR" "$EVIDENCE_DIR" --target macos
node "$AUDITOR" "$EVIDENCE_DIR" --target wsl

发布前 matrix gate 需要同时传入 macOS 和 WSL evidence：

GATE="$(npm root -g)/cli-jaw/scripts/verify-release-evidence.mjs"
node "$GATE" --macos /path/to/macos-evidence --wsl /path/to/wsl-evidence

docker compose up -d       # → http://localhost:3457

CLI-JAW 是什么？

CLI-JAW 是一个开源平台，将你已经在用的 AI 编码 CLI — Pi、Antigravity、AI-E、Claude、Claude E、Codex、Codex App、Cursor、Gemini、Grok、Kiro、OpenCode、Copilot — 统一成一个助手、一份记忆、一个仪表盘。

你的主 CLI（Boss）调度其他 CLI 作为"员工"。不用在各种应用之间来回切换，直接在一个地方下达指令。

• 无需 API 密钥 — 通过你已有的订阅路由
• 无按 token 计费 — 和你现在的月费一样
• 本地运行 — 代码不会离开你的机器

桌面应用

如果你更喜欢原生窗口而不是浏览器标签页，CLI-JAW 提供 Electron 桌面壳。桌面应用会启动 manager dashboard，并管理底层的 jaw dashboard serve 进程。打包版包含 Node.js sidecar 服务器，因此会优先使用应用内 bundled jaw shim，再回退到全局终端安装。

最终用户可以直接从 GitHub Releases 下载桌面 artifact：

• macOS：下载 DMG，把 CLI-JAW 拖到 Applications 后启动。当前构建仍是 unsigned / un-notarized，首次启动可能需要在 Finder 中右键 → Open。
• Windows：下载 NSIS installer。它包含同一个 sidecar server，并把打包的 jaw shim 加入 PATH。
• Linux：下载 AppImage，赋予执行权限后运行。

首次启动后，接受 Install CLI command 提示即可从 bundled sidecar 创建终端 jaw 命令。如果跳过了提示，之后可在 tray menu 使用 Install CLI to Terminal。这个路径不要求为打包应用或终端 shim 进行全局 npm 安装。

开发者构建：

# 在仓库根目录执行一次
npm install && npm --prefix electron install

npm run electron:dev          # hot reload 开发
npm run electron:dist:mac     # 构建包含 bundled sidecar 的 macOS arm64 .dmg + .zip

打包产物位于 electron/dist/。GitHub Actions desktop release workflow 会在 release publish 或 manual dispatch 时构建 macOS arm64 DMG/ZIP、Windows x64 NSIS/ZIP 和 Linux AppImage artifacts。better-sqlite3 等原生模块保留在 manager/sidecar server 中；Electron main process 不直接 import 它们。

认证

只需一个。选择你已经订阅的服务：

# 免费选项（无需信用卡）
copilot login        # GitHub Copilot（有免费层）
opencode             # OpenCode — 有免费模型
kiro                 # AWS Kiro（AWS 账户免费层）

# 付费（你已经在付的月订阅）
claude auth login    # Anthropic Claude Pro 或更高
codex login          # OpenAI ChatGPT Pro 或更高
cursor-agent login   # Cursor
grok login --oauth   # xAI Grok / Grok Heavy

一次性检查全部：jaw doctor

🦈 CLI-JAW Doctor — 13 checks

 ✅ Node.js        v22.15.0
 ✅ Claude CLI      installed
 ✅ Codex CLI       installed
 ✅ Cursor CLI      installed
 ✅ OpenCode CLI    installed
 ✅ Copilot CLI     installed
 ✅ Database        jaw.db OK
 ✅ Skills          29 active, 238 reference
 ✅ MCP（插件）      3 servers configured
 ✅ Memory          structured/ exists
 ✅ Server          port 3457 available

仪表盘

仪表盘是你的指挥中心：jaw dashboard 会在 http://localhost:24576 启动管理器；单个 agent Web UI 由 jaw serve 在 http://localhost:3457 及相邻 managed ports 提供。 Web/TUI 实时更新使用 SSE-first GET /api/events 通道；WebSocket 只作为旧服务器在 SSE 从未打开时的 fallback。

实例管理器

查看每个正在运行的 AI 实例——一键启动、停止、重启。在仪表盘中直接预览实时 Web UI。

看板

将实例卡片拖入泳道（Backlog → Ready → In Progress → Review → Done）。跟踪每个 AI 会话正在做什么。

优先级矩阵

艾森豪威尔矩阵管理你的任务和提醒。优先处理重要的事。

笔记

仪表盘内的迷你 Obsidian。文件夹、可视化（WYSIWYG）+ 源码 + 分屏编辑、KaTeX（数学公式渲染）、Mermaid（图表即代码）、语法高亮代码块。

代理状态

一目了然地监控每个 AI 引擎的健康状况和使用情况。

员工系统的工作原理

核心理念：你的主 CLI 调用其他 CLI 作为工作者。

你和一个 AI（Boss）对话。当它需要专业工作时，会向员工分派任务——每个员工运行自己的 CLI 和模型：

你："修复前端样式，并更新 API 端点"

Boss（Claude）思考中...
  ├── 分派到 Frontend 员工（OpenCode）→ "修复 dashboard.tsx 中的 CSS grid 布局"
  ├── 分派到 Backend 员工（Codex）     → "更新 /api/users 以返回分页元数据"
  └── 综合两方结果返回给你

# 底层就是一条命令：
jaw dispatch --agent "Frontend" --task "修复 dashboard.tsx 中的 CSS grid 布局"
jaw dispatch --agent "Backend" --task "运行只读验证" --watch
jaw worker status Backend

员工是在你的设置中配置的其他 AI CLI。每个有自己的会话、模型和上下文。Boss 审核它们的输出后再呈现给你。

员工 vs 子代理

这是两个不同的东西：

| | 员工 | 子代理 | |---|---|---| | 是什么 | 配置为工作者的其他 AI CLI（Codex、OpenCode 等） | 单个 CLI 内置的并行任务工具 | | 何时用 | 跨不同代码库或领域的多专家协作 | 内部研究、文件读取、并行分析 | | 如何用 | jaw dispatch --agent "Name" --task "..." | 自动——CLI 在内部生成 |

员工用于"Frontend 做 CSS，Backend 做 API"。子代理用于"做决定前并行读取 5 个文件"。

AI 运行时

无按 token 的 API 计费。通过你已有的订阅路由。

| CLI | 默认模型 | 认证 | 费用 | |---|---|---|---| | Pi | grok-composer-2.5-fast | Settings profile API key、local proxy，或 PI_CODING_AGENT_BIN | 通过隔离的 PI_CODING_AGENT_DIR 连接 local/API endpoint 的 first-class pi --mode rpc runtime | | Claude | claude-opus-4-8 | claude auth login | Claude Pro 或更高订阅 | | Claude E | claude-opus-4-8 | underlying claude auth login | Claude Pro 或更高订阅；6 月订阅赠送额度的推荐 runtime | | AI-E | provider-selected | 所选 provider 认证 | 多 provider runtime wrapper | | Antigravity | AGY-selected | 由 agy 在运行时检查 | agy -p 实验性 AGY print-mode runtime；可选 --model 会先做 capability probe，确认支持时才传递（AGY 1.0.12 已观察到）；通过 --conversation resume；无独立 effort flag | | Codex | gpt-5.5 | codex login | ChatGPT Pro 或更高订阅 | | Codex App | gpt-5.5 | codex login | ChatGPT Pro 或更高订阅 | | Cursor | composer-2.5 | cursor-agent login 或 CURSOR_API_KEY | Cursor 订阅；quota 为 auth/status-only | | Grok | grok-build | grok login --oauth | Grok 订阅；配额仅限认证/状态 | | Kiro | registry-selected | kiro | AWS Kiro 免费层 | | OpenCode | opencode-go/kimi-k2.6 | opencode | 有免费模型 | | Copilot | claude-sonnet-4.6 | copilot login | 有免费层 |

GPT 5.5 和 Claude Opus 4.8 从 Pro 订阅及以上开放。自 6 月起，如果要使用订阅计划赠送的 Claude 用量，请选择 claude-e runtime。

配额/状态面板保持与 registry 相同的 runtime keyset。Wrapper runtime（ai-e, claude-e, codex-app）委托给 underlying provider；Pi/AGY/Cursor/Grok/OpenCode 这类 CLI 不暴露 quota window 时，会以 auth/status-only 显示。

回退链：当一个引擎被限速时，下一个自动接上。用 /fallback [cli1 cli2...] 配置。

OpenCode 通配符：连接任意模型端点——OpenRouter、本地 LLM（大语言模型）、任何 OpenAI 兼容 API。

切换引擎：/cli codex。切换模型：/model gpt-5.5。Web、终端、Telegram 或 Discord 均可。

PABCD 编排（Plan → Audit → Build → Check → Done）

对于复杂任务，CLI-JAW 使用结构化的 5 阶段工作流。每次转换都需要你的批准——没有你的确认什么都不会发布。

P (Plan) → A (Audit) → B (Build) → C (Check) → D (Done) → IDLE
   ⛔          ⛔          ⛔         auto        auto

| 阶段 | 发生什么 | |---|---| | P — Plan | Boss AI 编写 diff 级别的计划。停下等你审查 | | A — Audit | 只读工作者验证计划是否可行（imports 存在、签名匹配） | | B — Build | Boss 实现。只读工作者验证结果 | | C — Check | 类型检查（tsc --noEmit）、文档更新、一致性检查 | | D — Done | 汇总所有变更。返回空闲状态 |

状态持久化在数据库中，服务器重启后仍然保留。工作者不能修改文件——只能验证。用 jaw orchestrate、/orchestrate 或 /pabcd 启动，并用 /continue 显式恢复进行中的 worklog。阶段前进需要证据 attestation，例如 jaw orchestrate B --attest '{"from":"A","to":"B","did":"<what you did>"}'（C→D 还需粘贴 checkOutput 和 exitCode）。Workflow helper slash commands 包括 /plan、/interview、/deliberate、/planaudit、/review、/search、/goal、/goalplan、/team、/task、/fork、/gd；/plan 是说明“这就是 PABCD P”的兼容指南，不会创建第二套计划模式。/search <query> 通过 active search skill 路由搜索意图。Bounded automation 用 /goal run ... 表达，没有单独的 /autopilot。Durable goal（/goal <objective> 加 update/done/cancel/pause/resume）在重启后仍保留，goal 恢复会在 Web/CLI 等所有界面重新触发工作。AI goal pause --agent --audit 使用两步审计 gate（goal_pause_gate_pending 抑制自动 continuation）。/gd 是 /goal done --force 的简写（跳过完成证据 gate）。/goal run（preflight/start/stop/status）是需通过 preflight 的仅跟踪预览，记录 turn/dispatch 预算（强制尚未落地）。

记忆

三个层次，各覆盖不同的回忆范围。

| 层 | 存储内容 | 工作方式 | |---|---|---| | History Block | 近期会话上下文 | 最近 10 个会话，最多 8000 字符，按工作目录限定范围。注入到提示开头 | | Memory Flush | 从对话中提取的结构化知识 | 达到阈值后触发（默认 10 轮）。提取为事件记录、每日日志、语义笔记，保存为 markdown | | Soul + Task Snapshot | 身份和语义检索 | 核心价值观、语调、边界。全文搜索索引每次提示返回最多 4 条语义相关结果 |

三层全部自动注入系统提示。记忆可搜索：

jaw memory search "我们是怎么设置 API 认证的？"

技能

200+ 参考技能和活跃运行时技能覆盖开发工作流、办公文档、自动化、媒体和内容写作。

| 分类 | 技能 | 覆盖范围 | |---|---|---| | 办公 | pdf, docx, xlsx, pptx, hwp | 读取、创建、编辑文档。HWP/HWPX（韩国文字处理器格式）原生支持 | | 自动化 | browser, vision-click, screen-capture, desktop-control | Chrome DevTools Protocol（CDP）浏览器控制、AI 坐标点击、macOS 截屏、Computer Use | | 媒体 | video, imagegen, lecture-stt, tts | Remotion 视频、OpenAI 图像生成、讲座转录、文字转语音 | | 集成 | github, notion, telegram-send, memory | Issues/PRs/CI、Notion 页面、Telegram 媒体发送、持久记忆 | | 可视化 | diagram | 在聊天中渲染 SVG 图表、图形、交互式可视化 | | 内容/写作 | k-writing | 韩语推广/内容写作：thread、Instagram 卡片新闻、LinkedIn、网站/博客和润色输出，包含强制搜索、钩子评分和去 AI 痕迹校验 | | 开发指南 | dev, dev-frontend, dev-backend, dev-data, dev-testing, dev-pabcd | 注入代理提示的工程指南 |

参考技能位于 skills_ref/，按需安装到活跃运行时。

jaw skill install <name>    # 激活参考技能
jaw skill list              # 查看可用技能

浏览器和桌面自动化

| 功能 | 工作方式 | |---|---| | Chrome DevTools Protocol | 导航、点击、输入、截屏、执行 JS、滚动、按键——Chrome 的远程控制 | | Vision-click | 截屏 → AI 提取目标坐标 → 点击。jaw browser vision-click "Login button" | | Computer Use | 通过 Codex Computer Use 自动化桌面应用。用 Safari 访问 localhost，体验如同 Codex 应用 | | Web-AI 供应商 | jaw browser web-ai --vendor chatgpt\|gemini\|grok——会话生命周期、诊断、源码审计、ChatGPT code-mode zip 回收支持 | | Diagram 技能 | 生成 SVG 图表和交互式可视化，在聊天中内联渲染 |

Computer Use 让你用自然语言控制任何 macOS 应用——Finder、Safari、系统设置、Xcode。

消息

Telegram

📱 Telegram ←→ 🦈 CLI-JAW ←→ 🤖 AI Engines

文字聊天、语音消息（通过多供应商 STT——语音转文字 自动转录）、文件/照片上传、斜杠命令（51 个已注册；workflow helper：/plan、/interview、/review、/search、/goal、/orchestrate、/task、/fork、/gd；CLI/Web 动态 /skill:<id>）、论坛主题路由与 Dashboard Telegram Hub（/setthread、/threads、/hubhelp、Manager UI 中按主题的 model/systemPrompt override）、定时任务（every/cron heartbeat）结果自动送达。

1. 给 @BotFather 发消息 → /newbot → 复制 token
2. jaw init --telegram-token YOUR_TOKEN 或在 Web UI 设置中输入
3. 给 bot 发送任意消息。Chat ID 首次消息时自动保存

Discord

与 Telegram 功能相同——文字、文件、命令。频道/线程路由、规范 /api/channel/send、代理结果广播转发器。通过 Web UI 设置配置。

语音 & STT

语音输入支持 Web（麦克风按钮）、Telegram（语音消息）和 Discord。供应商：OpenAI 兼容、Google Vertex AI 或任意自定义端点。

MCP（Model Context Protocol）

MCP 是一个让 AI 工具共享能力的标准——就像 AI 代理的插件。CLI-JAW 用一个文件管理所有引擎的 MCP 配置。

jaw mcp install @anthropic/context7
# → 同步到 Claude、Codex、Gemini、Kiro、OpenCode、Copilot、Antigravity 的配置文件

不用再分别编辑多个 JSON 文件。安装一次，每个 MCP 感知引擎都会获得配置。Grok CLI 是标准运行时，但在 Grok 暴露兼容配置面之前不计为 MCP 同步对象。Antigravity MCP 同步是独立的 config target，不等同于 agy runtime registry entry。

jaw mcp sync       # 手动编辑后重新同步

CLI 命令

# 核心
jaw dashboard                     # 启动管理仪表盘
jaw serve                         # 启动服务器（http://localhost:3457）
jaw chat                          # 终端聊天 UI
jaw chat search "query"           # 搜索聊天历史
jaw doctor                        # 安装和运行时诊断

# 实例
jaw clone ~/project               # 克隆实例到新目录
jaw --home ~/project serve --port 3458  # 运行第二个实例
jaw service install               # 开机自启
jaw project set ~/repo            # 为 review/orchestration 设置 projectDirs
jaw lock                          # 保护当前实例不被 stop-all 流程停止

# AI 和编排
jaw employee list                         # 列出已配置员工 + static 员工
jaw dispatch --agent "Backend" --task "..."  # 分派员工
jaw dispatch --agent "Backend" --task "..." --watch  # 分派并流式查看安全进度
jaw worker status Backend            # 查看当前/上一轮员工进度
jaw orchestrate                   # 进入/控制 PABCD 工作流
jaw goal status                   # 持久 goal 生命周期
jaw task list                     # 代理原生任务清单
# 聊天中：/continue                 # 显式恢复 worklog/PABCD

# 技能和 MCP
jaw skill install <name>          # 激活技能
jaw skill list                    # 列出可用技能
jaw mcp install <package>         # 安装 MCP → 同步支持的 MCP 感知引擎
jaw mcp sync                      # 重新同步 MCP 配置

# 记忆
jaw memory search <query>         # 跨所有记忆层搜索
jaw memory save <file> <content>  # 保存到结构化记忆

# 浏览器
jaw browser start                 # 启动 Chrome 自动化
jaw browser fetch "https://example.com" --json --trace  # 自适应 URL 读取
jaw browser snapshot              # 捕获页面状态
jaw browser vision-click "Login"  # AI 驱动的点击
jaw browser web-ai status         # ChatGPT/Gemini/Grok web-AI 会话工具
jaw browser web-ai code --vendor chatgpt --model thinking --effort heavy --prompt "Build an MVP" --output-zip ./result.zip

# 仪表盘连接器
jaw dashboard memory search "query"  # 只读跨实例记忆搜索
jaw dashboard chat search "query"    # 跨实例聊天搜索
jaw connector board add --title "Fix docs"
jaw reminders add "Follow up tomorrow"

# 维护
jaw reset                         # 完全重置

多实例

运行互相隔离的独立实例，各有独立的设置、记忆和数据库：

jaw clone ~/my-project
jaw --home ~/my-project serve --port 3458

每个实例完全独立——不同的工作目录、记忆、MCP 配置。管理仪表盘可以看到全部。

开发

npm run build          # tsc → dist/
npm run build:frontend # vite → public/dist/
npm run dev            # tsx server.ts（热重载）
npm test               # programmatic node:test driver (tests/run.mts, isolation:'process')
npm run gate:all       # 命名 release/docs parity gates
bash structure/check-doc-drift.sh

架构详情：ARCHITECTURE.md · 测试覆盖：TESTS.md · 内部结构文档：structure/

对比

| | CLI-JAW 2.x | Hermes Agent | Claude Code | |---|---|---|---| | 模型接入 | Pi、Antigravity、AI-E、Claude、Claude E、Codex、Codex App、Cursor、Gemini、Grok、Kiro、OpenCode 和 Copilot（通过厂商/原生认证） | API 密钥（OpenRouter 200+、Nous Portal） | 仅 Anthropic | | 费用模型 | 你已经在付的月订阅 | 按 token API 计费 | Anthropic 订阅 | | 主 UI | 管理仪表盘 + Web 应用 + Mac 应用 + 终端 UI | 仅终端 | CLI + IDE 插件 | | 仪表盘 | 多实例管理器、看板、笔记工作区 | 无 | 无 | | 消息 | Telegram（语音）+ Discord | Telegram/Discord/Slack/WhatsApp/Signal | 无 | | 记忆 | 3 层（History/Flush/Soul）+ 全文搜索 | 自我改进循环 + Honcho | 文件型自动记忆 | | 多代理 | 员工系统（分派其他 CLI）+ PABCD | 子代理生成 | Task 工具 | | 浏览器自动化 | Chrome DevTools + vision-click + Computer Use | 有限 | 通过 MCP | | 运行环境 | 本地 + Docker | 本地/Docker/SSH/Daytona/Modal | 本地 | | 技能 | 200+ 参考技能 + 活跃运行时技能 | 自动创建 + agentskills.io | 用户配置 | | 多语言 | 英语、韩语、中文、日语 | 英语 | 英语 |

故障排查

| 问题 | 解决办法 | |---|---| | cli-jaw: command not found | 重新运行 npm install -g cli-jaw。macOS/Linux/WSL：检查 ~/.local/bin 或 npm prefix -g + /bin 是否在 $PATH 中。从 Windows PowerShell 运行时，请通过 WSL login shell：wsl.exe -d Ubuntu -- bash -lc "jaw dashboard" | | Error: node version | 升级到 Node.js 22.4+：nvm install 22 | | NODE_MODULE_VERSION mismatch | npm run ensure:native（自动重编译原生模块） | | EADDRINUSE: port 3457 | 另一个实例正在运行。使用 --port 3458 或先停止 | | Telegram / Discord 认证失败 | 运行 jaw doctor，检查 token，重启 jaw serve | | 浏览器命令失败 | 安装 Chrome/Chromium。先运行 jaw browser start | | 员工分派挂起 | 运行 jaw employee list，确认员工 CLI 已认证（jaw doctor），然后用 jaw dispatch --watch 重试 | | 员工分派返回 non-JSON 或 HTML | 服务器可能过旧或缺少 route。运行 npm run build，或重启 manager/dashboard 进程 | | Computer Use 不工作 | 仅限 macOS。需要 Codex CLI。在系统设置中检查自动化权限 |

参与贡献

1. 从 dev Fork 并创建分支
2. npm run build && npm run build:frontend && npm test
3. release-sensitive 修改还要运行 npm run gate:all 和 touched surface focused checks
4. 提交 PR

Bug 报告和功能建议：Open an issue

MIT License · 由受够了在 AI 应用间切换标签的开发者们打造。