【免费下载链接】icm-architect
Claude skill: design any process, idea, or problem into an ICM workspace (folder structure as agent architecture), or restructure an existing folder into one
icm-architect是一款 Claude skill,它能把任何流程、想法或问题"设计"成一个ICM 工作区(Interpretable Context Methodology,可解释上下文方法论)——用文件夹结构当 Agent 架构,或者把一个现有的文件夹、仓库改造成这样的结构。对新手来说,最难的不是让 AI 干活,而是让它"知道该读什么、写到哪去"。icm-architect 给出的答案是 10 条不变量(invariants):任何工作区,无论形态如何,都必须遵守这 10 条法则。本文带你逐条读懂它。📐
先搞懂:为什么"文件夹"可以当架构?
传统做法是写一套"编排代码"(orchestration code)来调度多个 Agent;ICM 的思路则反过来——把编排写进目录结构里:
- 编号文件夹负责排顺序(
01_做完了才轮到02_) - 层级结构负责圈定上下文(当前步骤只读自己需要的文件)
- 纯 Markdown 文件负责记录状态(进度就"看得见")
官方用了一个很形象的比喻:工作区是一座图书馆,路由文件是目录卡——小而稳定,指向一切、几乎不存内容;一个"图书管理员"(单一模型)走进大楼,问题决定它走向哪个书架。这就是 README.md 中描述的核心理念。
10条黄金不变量逐条拆解 🎯
以下 10 条全部来自 SKILL.md 的 "The invariants" 章节。构建或改造工作区时,每一条都要强制执行。
法则 1:一个文件夹,只做一件事
每个文件夹要么完成一个步骤,要么存放一类东西,并在自己内部放一个文件说明自己的用途。结构本身就是文档——不需要另开一个 wiki。
法则 2:小而稳定的入口文件
根目录放一个CLAUDE.md(或其他 Agent 的AGENTS.md),只回答三个问题:"我在哪?一切都在哪?任务 X 该去哪找?"——除此之外什么都不写。目标60 行以内。它只负责"路由",绝不存内容。可直接参考模板 assets/templates/CLAUDE.md。
法则 3:编号即顺序
用01_、02_……表示流程顺序。重命名文件夹 = 重排流水线,这正是编号的妙处。想调整步骤先后?改名就行,不用改任何代码。
法则 4:每个工作文件夹都有显式"合同"
每个工作文件夹放一份CONTEXT.md,四段式写清:
| 段落 | 回答什么 |
|---|---|
| Inputs | 读什么(输入) |
| Process | 做什么(过程) |
| Outputs | 写什么(输出) |
| Human check | 人来检查什么 |
这份"阶段合同"的完整模板见 assets/templates/stage-CONTEXT.md。
法则 5:工厂与产品分开存放
参考材料(规则、文风、schema、模板——每次运行都不变的)和工作产物(输出、草稿——每次运行都新的)必须在结构上分开。"工厂"只配置一次,"产品"是每次运行吐出来的东西。详见 references/core.md 的"Configure the factory, not the product"原则。
法则 6:每个输出都是"可编辑面"
中间产物必须是普通人能打开、修改、保存的纯文本文件。在有人读完上一个输出之前,流程不得往下走——这是 ICM 工作区里最核心的一条人工门禁。
法则 7:只加载当前步骤需要的东西
执行某一步的 Agent 只读它的合同、参考材料和输入,不读整个工作区。每步的健康区间是2000–8000 tokens。对比之下,把所有东西塞进一个大 prompt 通常要 30k–50k tokens,其中大部分与当前步骤无关。
法则 8:纯文本、可链接、可查询
统一用Markdown + YAML frontmatter:链接([[wikilinks]]或相对路径)让文件成为一张图,frontmatter 标签让它可被查询。记住"一条事实只住一个地方"——链接永远好过复制。
法则 9:文件系统就是状态机
"当前状态"靠扫描输出文件夹里存在什么就能推导出来;自动生成的索引(文件地图、日志)由脚本重建,绝不手工编辑——手改的索引一定会漂移。
法则 10:靠"复制"来新建
新的工作单元 =复制一个模板文件夹,而不是面对空白页。模板统一放在_templates/或_system/文件夹里。模板本身,就是 schema。
选对形态:5种骨架,一套法则 🏗️
10 条不变量之下,icm-architect 提供 5 种经过实战检验的形态(详见 references/forms.md):
| 形态 | 适用场景 |
|---|---|
| Pipeline(流水线) | 同样的步骤反复运行,每次都产出一份交付物 |
| Umbrella(伞形) | 多条流水线共享同一品牌/文风/参考层 |
| Record library(记录库) | 单元是会累积的"记录"(客户、会话、人物) |
| Knowledge bundle(知识包) | 产品本身就是可导航的知识 |
| Context map(上下文地图) | 对象是一个组织:团队、流程、数据及其连接 |
它们可以自由组合、互相嵌套——因为不变量在每一层都递归成立。选形态前先问一个问题:重复的工作单元是什么?
验收标准:冷启动"行走测试"(Walk Test)🚶
工作区建好后怎么验证?让一个没有任何记忆的 Agent 冷启动走一遍:
- 打开根目录,能否在入口文件 + 最多两次读取内回答"我在哪、当前任务去哪"?
- 任选一个阶段,它的合同是否写明了精确的输入路径、任务、输出和人工检查项?
- 能否仅凭扫描
output/文件夹就说出流水线进度? - 有没有路由文件偷装了内容?有没有事实在两个地方各存了一份?
- 入口文件 + 一份合同 + 输入,是否落在 2k–8k tokens 区间?
哪一步失败,就修结构——不是多解释,而是移动或拆分文件,直到"走"得通为止。
快速上手:安装与常用触发词 ⚡
Claude Code:把整个文件夹复制到~/.claude/skills/icm-architect/(或项目内的.claude/skills/icm-architect/),然后对 Claude 说:
- "ICM this" / "structure this for agents"
- "build me a workspace for X"
Claude 应用:上传打包好的icm-architect.skill(Settings → Capabilities)。
两种工作模式一句话区分:Build(从零描述的流程搭建)与Restructure(审计现有文件夹、把每个文件归类为 catalog / contract / factory / product / dead 五类,给出迁移地图、批准后再迁移)。所有可复制的起步模板都在 assets/templates/ 里。
新手避坑清单 ⚠️
- 别过度设计:爬升阶梯是"聊天 → 保存的 prompt/skill → 文件夹 + 单 Agent",只有当下一级真的被自动化且反复发生时才往上走。
- 知道 ICM 的边界:实时多 Agent 协作、高并发多用户、流程中途自动分支,这些确实需要框架代码。ICM 服务的是顺序执行、人工审核、可重复的工作——也就是大多数知识工作。
- 警惕的腐化模式:两份手工维护的入口文件、schema 强制使用的命名与真实文件脱节、手改生成的索引、"模式"被自上而下宣布(同一形状在三个独立地方出现,才叫结构)。
写在最后
10 条不变量看起来是规则,本质是一套可解释性契约:任何时刻打开任何一个文件夹,你都能看清系统处于什么状态;任何新来的协作方,只需从上到下读完 CONTEXT 文件就能理解整条流水线。这正是 SKILL.md 的开头所承诺的——
"文件夹做编排,一个 Agent 在正确的时刻读正确的文件,就能顶替一个多 Agent 框架。"
把它贴在屏幕边上,你的下一个 Agent 工作区就有了骨架。✅
【免费下载链接】icm-architect
Claude skill: design any process, idea, or problem into an ICM workspace (folder structure as agent architecture), or restructure an existing folder into one
相关推荐
10个AI产品设计黄金法则:打造用户爱不释手的智能应用
在AI技术快速发展的今天,如何设计出真正优秀的AI产品?经过对数百个AI项目的深入分析,我们总结出10个核心设计原则,帮助你构建用户真正喜爱的AI应用。🚀 1
文档教程人工智能GNSS-SDR多系统兼容性:GPS、Galileo、GLONASS、BeiDou信号并行处理
GNSS SDR多系统兼容性:GPS、Galileo、GLONASS、BeiDou信号并行处理 GNSS SDR是一款开源软件定义GNSS接收器,支持GPS、G
科研科学计算通信MambaOut与ViT对比:参数效率与计算复杂度的优势分析
MambaOut与ViT对比:参数效率与计算复杂度的优势分析 MambaOut作为CVPR 2025的创新视觉模型,通过精简的门控CNN架构重新定义了视觉任务中
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考