claudeers.
// Other

agent-dlm-skills

Deterministic DLM knowledge system + multi-LLM work-item lease + content-hash version master for AI coding agents (Codex / Claude Code / Gemini).

// Other[ cli ][ claude ]#claude#other◷ MIT$open-sourceupdated 18 days ago
Actively maintained
95/100
last commit 18 days ago
last release none
releases 0
open issues 0

Install with your AI

Paste into Claude Code, Cursor, or any agent — it reads the repo and wires the tool into your project.

Install and set up agent-dlm-skills (git-clone project) into my current project.
Found on https://claudeers.com/agent-dlm-skills
Repo: https://github.com/atlasray66-collab/agent-dlm-skills
Homepage/docs: —
Detected install method: git-clone → git clone https://github.com/atlasray66-collab/agent-dlm-skills
Category: other. Platforms: cli.
Read the repo's README for exact setup and env vars, then install it and wire it into my project.

Claudeers Health Verdict:
active; community-verified: false. Confirm the source before running anything.
// or clone
git clone https://github.com/atlasray66-collab/agent-dlm-skills

// compatibility

Platformscli
Operating systems—
AI compatibilityclaude
LicenseMIT
Pricingopen-source
LanguagePython

Get your FREE $2.50 API credits to access TickAtlas financial data ↗

Agent DLM Skills (agent-dlm-skills)

Outcome-Governed Documented LLM Memory (DLM), Multi-Agent Lease Queue & Content-Hash Release Skill Suite for AI Coding Agents (Codex / Claude Code / Gemini)

agent-dlm-skills 是一套专为 AI 编程智能体(OpenAI Codex、Claude Code 等)打造的工程化知识记忆(doc_llm / docs-llm)、任务结果治理、多会话并发认领/租约调度与内容哈希版本发布技能集。

它解决了大模型在长周期、多模块、多智能体并行开发中最常见的四大痛点:

  1. 上下文迷失与文档腐化:改了代码忘改文档,或每次对话把几万行过期文档塞进上下文。
  2. 多对话撞单与进度失控:开启多个 Agent 窗口并行推进同一 Epic 时,互相覆盖文件、重复劳动、缺乏统一进度横幅与租约回收。
  3. 虚假结项与“差不多先生”:口头声称“已完成”,却漏掉分母中的边界模块或用局部测试冒充全量验收。
  4. Git 提交日志敷衍与版本失序:提交信息只有一句 update 或 fix bug,无法追溯修改范围、对应版本、怎么改的、为什么改的。

目录


核心特性

1. 双轨自适应知识与任务治理(Markdown 快速轨 + ledger.json 确定性轨)

  • 轻量快速轨(Lite / Medium):日常单点修复或中小型迭代直接走 Markdown 轨(dlm_doctor.py + sync_epic_index.py + sync_l1_route.py),零冗余命令开销。
  • 确定性账本轨(High / Max / Ultra):大型重构、跨模块迁移或高风险交付启用 ledger.json 单一事实源,内置 6 类确定性实体:
    • P#(不可违背原则)
    • D#(绑定用户原话的正式决议)
    • O#(履约义务)
    • N#(机械盘点出的全集母体项)
    • V#(分级验证证据:full / partial / sample / proxy)
    • L#(诚实限制披露:product / budget / resource-fact)并支持五分类重开(regression / omission / new-requirement / superseded / evidence-lost)。

2. 机械全集盘点与多智能体并发租约双向打通(dlm inv <-> multi-llm-lease)

  • 机械全集盘点(dlm inv):直接通过 glob、grep 或命令扫描真实源码生成全集分母 N#,杜绝手写清单漏项。
  • 一键导出并发队列(dlm inv export-lease):将待办母体一键导出为 work_items.md 与 work_item_runtime.json。
  • 多会话安全并发(multi-llm-lease):
    • 支持文件锁保护下的原子认领(claim)、心跳续租(heartbeat)、回填完结(complete)与重开(reopen);
    • 支持优先级分档(priority_order)、静态 备注 列无损保留、指定模块认领(--module);
    • 每次开启子任务前自动生成标准进度标识(如 S001 1/58 模块导入)与模型分级路由建议(D0-D3);
    • 完成后通过 dlm inv sync-lease 自动回填 V# 验证证据并闭合 N#。

3. 知识库腐化检测与传递影响分析(dlm kb stale / kb map / dlm_impact.py)

  • L1 -> L2 确定性路由编译:基于 L2 文档 Frontmatter(domain、summary、keywords、match_globs、depends_on)自动生成 L1 路由表与 ReadSnapshot。
  • 文档腐化检测(dlm kb stale):自动对比 L2 文档 last_updated 与 match_globs 命中的最新 Git 源码提交时间,精准揪出落后于代码的过期文档。
  • 传递影响分析(dlm_impact.py):根据变更文件路径或模块名,自动向上追溯 depends_on 依赖链,给出最小充分必读集合。

4. 内容哈希自动升版与四要素结构化 Git 提交(dlm-version-master)

  • 内容哈希版本判定:递归计算模块源码 SHA-256(排除 bin/、obj/ 等构建产物),结合改动语义自动判定 none / patch / minor / major 升版。
  • 四要素结构化中文 Commit 门禁:强制基于 git diff --cached 真实改动,生成包含以下四要素的多行中文提交说明,彻底告别模糊日志:
    1. 修改范围:按模块/文件列出本次暂存区涉及的具体范围与职责;
    2. 对应版本:记录改动前后的版本号对比(如 1.4.2 -> 1.4.3)及升版依据;
    3. 怎么改的:结合真实 Diff 说明核心实现机制、接口或状态流变更;
    4. 为什么改的:说明业务背景、修复的根因或架构演进动机。

包含的 8+1 核心技能

技能目录触发命令 / 技能名核心职责说明
skills/dlm-build$dlm-build初始化、迁移、校验知识库骨架(BRIEF / L0 / L1 / L2 / Reference / SOP),编译 L1 路由表,运行 kb stale 与 kb map
skills/dlm-load$dlm-load按任务或变更路径加载最小充分上下文(支持 <context_manifest schema="2">、dlm_impact.py 与 dlm.py brief)
skills/dlm-plan$dlm-plan将需求拆解为 Epic / Subtask、验收基线、机械全集盘点(dlm inv)与租约队列导出
skills/dlm-reflect$dlm-reflect执行设计质询(Design Grill)与结项复审(Closure Review),校验 full/sample/proxy 证据、全集闭合率与反例边界
skills/dlm-sediment$dlm-sediment将已验证的实现事实、关键决议与陷阱写回 L2 与任务账本,同步路由与索引
skills/dlm-close-release$dlm-close-release编排安全结项、沉淀、可选 Release 构建校验与精确路径 Git 提交
skills/dlm-version-master$dlm-version-master内容哈希版本判定、Release 元数据验证、精确白名单暂存与四要素结构化 Git Commit/Push
skills/multi-llm-lease$multi-llm-lease多会话并发 claim/lease 队列运行时(支持进度横幅、优先级分档、原子重开与 Codex 独立新对话派发桥接)
skills/_shared共享内核共享结果治理契约(outcome-governance.md)、dlm.py 统一 CLI 内核、不变量检查器与中英双语视图模板

环境要求

  • Python: 3.10 及以上(仅使用 Python 标准库,无需 pip install 任何第三方依赖)
  • Git: 2.25 及以上
  • 支持平台: Windows (PowerShell / CMD)、macOS、Linux

下载与安装指南

第一步:克隆下载本仓库

git clone https://github.com/atlasray66-collab/agent-dlm-skills.git
cd agent-dlm-skills

第二步:选择安装方式(三选一)

方式 A:安装到全局技能目录(推荐,所有项目通用)

将技能包安装到 Codex / Agent 的全局技能目录中,并运行 SHA-256 完整性校验:

# Windows PowerShell
python -X utf8 install.py --skills-dir "$HOME/.codex/skills/skills"
python -X utf8 install.py --skills-dir "$HOME/.codex/skills/skills" --check
# macOS / Linux
python3 install.py --skills-dir "$HOME/.codex/skills/skills"
python3 install.py --skills-dir "$HOME/.codex/skills/skills" --check

方式 B:安装到单个业务仓库(项目级隔离安装)

如果你希望将这套技能随某个业务仓库一起分发(安装到目标仓库的 .agents/skills/ 与 .claude/skills/):

python -X utf8 install.py --host "/path/to/your-project"
python -X utf8 install.py --host "/path/to/your-project" --check

方式 C:免安装直接通过根级 CLI 调用

无需复制文件,直接通过本仓库根目录的 dlm.py 指向任意目标仓库即可工作:

python -X utf8 dlm.py --root "/path/to/your-project" --help

快速上手:5 分钟跑通完整闭环

1. 在对话中直接唤起技能(Prompt 方式)

安装完成后,你可以在 Codex 或 Claude Code 对话框中直接通过自然语言或技能名调用:

  • 初始化知识库:使用 $dlm-build 帮当前仓库初始化 doc_llm 知识库骨架并生成 L1 路由表
  • 加载任务上下文:使用 $dlm-load 加载 E001 相关的上下文与受影响模块
  • 规划任务与并发队列:使用 $dlm-plan 为本次重构建立 Epic,盘点全部目标模块并导出 multi-llm-lease 队列
  • 多窗口并行领单开发:使用 $multi-llm-lease 认领下一个待办工作项,完成后自动执行 $dlm-reflect 验证与 $dlm-sediment 写回
  • 结项审查:使用 $dlm-reflect 对 E001 S001 进行结项复审,检查是否有未闭合的边界条件
  • 升版与结构化提交:使用 $dlm-version-master 执行版本判定、构建校验,并按四要素格式提交推送到远端

2. 使用命令行工具驱动(CLI 方式)

# 1) 在目标仓库初始化知识库并体检
python -X utf8 dlm.py --root "/path/to/repo" init --lang zh-CN
python -X utf8 skills/dlm-build/scripts/dlm_doctor.py --repo-root "/path/to/repo"

# 2) 创建 Epic 并机械盘点源码母体 (Inventory)
python -X utf8 dlm.py --root "/path/to/repo" epic new --slug core-refactor --goal "核心模块重构" --scope High
python -X utf8 dlm.py --root "/path/to/repo" inv add --epic E001 --id N1 --target "src/core.py" --category module --source glob --locator "src/*.py"

# 3) 一键导出为多智能体并发租约队列
python -X utf8 dlm.py --root "/path/to/repo" inv export-lease --epic E001

# 4) 认领工作项 -> 完成工作项 -> 回填账本证据
python -X utf8 skills/multi-llm-lease/scripts/claim_next_work_item.py --task-dir "/path/to/repo/doc_llm/Tasks/E001_core-refactor" --session-id worker-01
python -X utf8 skills/multi-llm-lease/scripts/complete_work_item.py --task-dir "/path/to/repo/doc_llm/Tasks/E001_core-refactor" --session-id worker-01 --item-id N1 --summary "完成重构" --verification "pytest passed" --evidence-ref "tests/test_core.py"
python -X utf8 dlm.py --root "/path/to/repo" inv sync-lease --epic E001

# 5) 同步 L1 路由表与检查过期 L2 文档
python -X utf8 skills/dlm-build/scripts/sync_l1_route.py --repo-root "/path/to/repo"
python -X utf8 dlm.py --root "/path/to/repo" kb stale

3. 运行全量自测套件

本仓库内置 260 项自动化单元测试(涵盖共享内核、路由编译、传递影响分析、租约并发锁、链接完整性与隐私防泄漏校验):

python -X utf8 scripts/test_all.py

统一 CLI (dlm.py) 命令速查

子命令作用说明
dlm.py init初始化项目 doc_llm / docs-llm 目录与基础模板
dlm.py adopt扫描现有业务仓库并生成存量接入报告与知识骨架
dlm.py brief生成当前活跃 Epic 的精简恢复摘要(Context Brief)
dlm.py check运行 10 项确定性不变量检查(Invariants Gate)
dlm.py epic / subtask创建、激活、推进 Epic 与 Subtask 状态机
dlm.py rec向 ledger.json 写入 P / D / O / V / L 记录
dlm.py inv机械全集盘点(add / scan / verify / reopen / export-lease / sync-lease)
dlm.py kb知识库治理(route 路由生成、stale 腐化检测、map L2 质量扫描)
dlm.py render从 ledger.json 确定性渲染 Markdown 视图

目录结构

agent-dlm-skills/
├── dlm.py                      # 仓库根级统一 CLI 入口
├── install.py                  # 跨平台安装与 SHA-256 完整性校验工具
├── scripts/
│   └── test_all.py             # 一键运行全部 260 项单测与安装端到端自检
└── skills/
    ├── _shared/                # 统一确定性内核、结果治理规范与多语言模板
    ├── dlm-build/              # 知识库构建、迁移、路由编译与腐化检测
    ├── dlm-load/               # 最小充分上下文加载与传递影响分析
    ├── dlm-plan/               # 任务拆解、机械盘点与并发队列导出
    ├── dlm-reflect/            # 设计质询与结项复审
    ├── dlm-sediment/           # 知识沉淀、账本写回与索引同步
    ├── dlm-close-release/      # 安全结项与精确路径发布编排
    ├── dlm-version-master/     # 内容哈希升版与四要素结构化 Git 同步
    └── multi-llm-lease/        # 多智能体并发认领/续租/完结/重开调度器

支持与致谢(求 Star)

如果 agent-dlm-skills 帮你的 AI 编程工作流告别了上下文腐化、多窗口撞单、虚假结项与敷衍的 Git 提交日志,请移步仓库右上角点亮一颗 Star 支持我们!

你的每一颗 Star 都是我们持续打磨多智能体工程化治理与自动化工具链的最大动力:

  • 欢迎 Star 收藏本仓库,方便随时同步最新技能升级;
  • 欢迎 Fork 并提交 Issue / Pull Request,一起共建更强大的 Agent 工程基础设施!

// faq

What is agent-dlm-skills?

Deterministic DLM knowledge system + multi-LLM work-item lease + content-hash version master for AI coding agents (Codex / Claude Code / Gemini).. It is open-source on GitHub.

Is agent-dlm-skills free to use?

agent-dlm-skills is open-source under the MIT license, so it is free to use.

What category does agent-dlm-skills belong to?

agent-dlm-skills is listed under other in the Claudeers registry of Claude-compatible tools.

9 views
★ 10 stars
unclaimed
updated 18 days ago

// embed badge

agent-dlm-skills on Claudeers
[![Claudeers](https://claudeers.com/api/badge/agent-dlm-skills.svg)](https://claudeers.com/agent-dlm-skills)

// retro hit counter

agent-dlm-skills hit counter
[![Hits](https://claudeers.com/api/counter/agent-dlm-skills.svg)](https://claudeers.com/agent-dlm-skills)

// reviews

// guestbook

0/500

// related in Other

🔓

符合nature论文学术表达和科研绘图的Skill

// otherYuan1z0825/⟨Python⟩★ 54,085◷ Apache-2.0[ claude ]
🔓

Anti-AI-slop design skill for Claude Code, Cursor, and Codex.

// otherNutlope/⟨CSS⟩★ 49,642◷ MIT[ claude ]
🔓

Huashu Design · HTML-native design skill for Claude Code · Claude Code 里 HTML 原生的设计 skill · 高保真原型 / 幻灯片 / 动画 + 20 设计哲学 + 5 维评审 + MP4 导出 · Agent-agnostic

// otheralchaincyf/⟨HTML⟩★ 28,944◷ MIT[ claude ]
🔓

Open source Ghostty-based macOS terminal with vertical tabs and notifications for AI coding agents. Built for multitasking, organization, and programmability.

// othermanaflow-ai/⟨Swift⟩★ 28,842◷ NOASSERTION[ claude ]
→ see how agent-dlm-skills connects across the ecosystem