🎯 为什么选择 HelloAGENTS？
问题： AI 智能体功能强大但不可预测——它们产生不一致的输出，无法适应不同任务复杂度，缺乏系统化的需求验证，做决策时也不透明。
解决方案： HelloAGENTS 引入AI编程模块化技能系统，具备智能复杂度路由、语义意图分析、结构化需求评分以及人性化交互模式，能够自动适应你的任务需求。
| 挑战 | 没有 HelloAGENTS | 使用 HelloAGENTS |
|---|---|---|
| 单一工作流 | 每次变更都用同样的繁重流程 | 智能路由通过语义+意图分析选择4种工作流之一 |
| 接受模糊需求 | 智能体猜测然后失败 | 10分评分系统配合针对性追问 |
| 黑盒决策 | 不知道智能体为何选择某种方案 | 按需内部思考，明确的不确定性处理 |
| 无状态感知 | 交互之间丢失上下文 | G12状态变量追踪方案包、模式和上下文 |
| 输出不一致 | 随机的格式和结构 | G6统一输出格式，带强制验证 |
| 平台不兼容 | Unix命令在Windows上失败 | 跨平台规则，带PowerShell语法验证 |
| 不安全操作 | 意外的生产环境部署 | EHRB检测，自动工作流升级 |
💡 最适合
- ✅ 团队需要基于任务复杂度的智能工作流选择
- ✅ 项目需要在编码前进行系统化需求验证
- ✅ 开发者希望AI决策过程透明
- ✅ 跨平台项目（Windows PowerShell + macOS + Linux）
- ✅ 受监管行业需要完整可追溯性和审计轨迹
⚠️ 不适合
- ❌ 没有质量要求的一次性脚本
- ❌ "能用就行"的项目
- ❌ 无文件系统访问的环境
✨ 特性
🎯 核心能力
🧭 统一智能路由
多维度分析实现自动工作流选择：
- 语义分析：理解请求含义，而非仅匹配关键词
- 意图分类：问答型 / 改动型 / 命令型
- 范围评估：微（≤2文件）→ 大（架构级）
- EHRB信号检测：自动风险识别
你的收益： 每次都选对工作流——无需手动切换模式。
📊 带评分的需求分析
代码变更前的结构化验证：
- 10分评分跨4个维度（目标明确性、预期结果、边界范围、约束条件）
- 评分小于7时针对性追问
<thinking>块中的按需内部思考- 上下文感知提问避免询问已知信息
你的收益： 减少因需求模糊导致的实现失败。
🔄 阶段与状态管理
系统化工作流，完整可追溯：
- 3阶段工作流：需求分析 → 方案设计 → 开发实施
- G12状态变量：CREATED_PACKAGE、CURRENT_PACKAGE、MODE_*
- G11生命周期管理：自动迁移到history/
- 上下文保持：处理追问、选择、确认
你的收益： 永不丢失计划与执行的追踪。
🛡️ 人性化安全防护
透明且安全的AI行为：
- G3不确定性原则：明确假设 + 保守兜底
- EHRB升级：检测到风险时自动升级到更严格的工作流
- 统一输出格式：一致的、经过验证的响应（G6.1）
- 符合GPT/SKILLS规范：规则结构遵循官方指南
你的收益： 理解智能体每个决策的原因。
📊 数据说话
- 4种智能工作流通过语义路由自动选择（vs 手动切换模式）
- 10分评分跨4个维度，确保编码前的需求质量
- 70%更小的核心规则集，通过模块化技能架构
- 零黑盒决策，通过G3不确定性披露
- 100% 可追溯性，通过G11方案包生命周期
- 跨平台 Windows PowerShell + Unix + Python 兼容性