Trellis：把 AI 编程的规范、任务和记忆留在仓库里

状态：推荐试用 · 适合长期项目、多人协作和多 Agent 工作流

速读#

Trellis 解决的不是「让模型写得更快」，而是「别让它每次都失忆」。它把工程规范放进 .trellis/spec/，把 PRD、实现上下文和检查记录放进 .trellis/tasks/，再用 .trellis/workspace/ 保存跨会话日志。模型可以换，IDE 可以换，项目约束仍然跟着仓库走。

我推荐它的理由很简单：AI 编程真正昂贵的部分，往往不是第一次生成，而是反复解释目录、约定、边界和上次做到哪里。Trellis 把这些口头上下文变成可审阅、可提交、可继续维护的文件。

它补的是哪一层#

层	Trellis 保存什么	解决什么问题
Specs	技术约束、目录规范、团队规则	不必每次重新提示
Tasks	PRD、实现计划、检查上下文、状态	任务不会散在聊天记录里
Workspace	会话日志和项目记忆	新会话能接着上次继续
Platform setup	针对不同编码 Agent 的配置	换工具时不重建整套流程

AGENTS.md、CLAUDE.md 或 .cursorrules 仍然有用。Trellis 不是要替掉它们，而是给单文件规则之外补上范围化规范、任务生命周期和工作记忆。项目只有几条固定约束时，一个 AGENTS.md 就够；规则开始变长、任务跨会话、团队又混用不同 Agent 时，Trellis 才开始值回复杂度。

最短上手#

官方要求 Node.js 18+ 和 Python 3.9+：

npm install -g @mindfoldhq/trellis@latest
trellis init -u your-name

# 只生成实际使用的平台配置
trellis init --cursor --opencode --codex -u your-name

初始化之后别急着把所有约定都塞进去。先挑一个反复解释过的问题，例如测试命令、目录边界或 API 错误格式，写成一条高信号 spec，再拿一个真实小任务跑完整的 plan、implement、verify、finish。能减少重复沟通，再扩大；不能，就删掉。

为什么值得推荐#

它把 AI 上下文放回了工程世界熟悉的位置：仓库。规则可以走 code review，任务文件可以留历史，新的经验可以回写规范。相比把关键决策只留在某个聊天产品里，这种方式更容易交接，也不依赖单一模型供应商。

更重要的是，它不把「记忆」做成不可见数据库。Markdown 和 JSONL 都能直接检查，模型记错了可以改，规则过时了可以删。对工程约束来说，可见比神秘的自动记忆更可靠。

不适合什么情况#

一次性脚本或小改动：任务文件比代码还长时，流程已经反客为主。
团队没有稳定约定：把尚未形成共识的偏好写进 spec，只会把争论自动化。
不愿维护仓库内元数据：规范和日志都会老化，没人清理就会给 Agent 注入过期上下文。
只使用一个工具且现有规则文件很短：先继续用原生 AGENTS.md 或同类文件，别为了完整感加一层框架。

Trellis 最值得借的不是命令，而是一个判断：AI 编程的上下文也应该像代码一样，能版本化、能审阅、能交接。只有当简单规则文件明显不够时，再把整套工作流装进来。