在 AI 编程时代，我们很容易形成一种惯性思维：需求一来就直接写代码，默认 AI 能自动理解一切。但实际情况往往是，代码越写越多，才发现方向跑偏了，或者生成的实现和项目原有风格并不匹配。

问题的根源在于：我们过度依赖临时对话来传递项目上下文。每次开启新会话，都要重新说明项目背景、技术选型和代码规范，不仅效率低，也让团队很难长期保持一致的标准。

Conductor 正是为了解决这一问题而设计的。它把项目上下文从临时对话中抽离出来，沉淀到代码库中，通过持久化的 Markdown 文件来管理规范和计划，确保每一次 AI 参与都有清晰、稳定的项目基础。

这更像一句老工程师常说的话：三思而后行（Measure twice, code once）。Conductor 把 AI 编程拉回工程本身——先把规划想清楚，再动手实现，方向始终掌握在人手里。

什么是 Conductor

Conductor 是一个开源的多平台 AI 智能体技能（Agent Skills），基于 Google 的 Conductor[1]（Gemini CLI 扩展工具）项目移植而来，支持 Claude Code 、Gemini CLI 、OpenCode、Codex 等多种 CLI 工具。它遵循「上下文驱动开发」的思路，通过固定流程推进需求澄清、方案规划以及功能或缺陷实现，让 AI 的输出始终建立在清晰、可追溯的项目上下文之上。

Conductor 的目标不只是写代码，而是让每个任务都经历完整、可控的生命周期。通过「Context → Spec & Plan → Implement」这一结构化流程，它把 AI 从单一的编码工具，提升为具备主动项目推进能力的工具。

核心理念

Conductor 的理念很简单：掌控你的代码。通过将上下文作为与代码同等管理的资产，代码库就能成为单一可信源，为每一次智能体交互提供深度、持久的项目感知。

团队可以在此基础上为所有 AI 交互建立一套可持续、具备项目感知能力的工作体系。系统会持续维护以下内容：

• • 产品愿景：作为可持续更新的文档，而不是一次性说明
• • 技术决策：以结构化形式记录，便于追溯和复用
• • 工作单元（tracks）：包含清晰的规范说明和分阶段的实施计划
• • TDD 工作流：在关键阶段设置验证检查点，确保质量可控

Conductor 本身不运行任何服务，只定义了一套 AI 需要遵循的工作流程。没有后台进程，也不会在系统中留下零散配置。所有内容都以 Markdown 和 TOML 文件存在，不使用私有格式，也不依赖任何厂商 API。项目上下文随代码一起版本化、一起流转。

功能特性

• • 规范与规划：在开发前先整理需求和任务计划，让接下来的工作有明确方向。
• • 上下文管理：保持代码风格、技术栈和产品目标的一致性，让 AI 的操作符合项目要求。
• • 安全迭代：在代码生成前对计划进行审查，关键决策由人掌控，降低方向性风险。
• • 团队协作：项目文档作为共享基础，不同成员和 AI 都能在同一规范下工作。
• • 支持现有项目：适用于新项目和已有项目，可以基于现有代码和历史记录初始化。
• • 语义化回滚：提供 Git 感知的回滚能力，可按逻辑工作单元（track、phase、task）撤销变更，不只是简单依赖提交哈希。
• • 状态持久化：设置和任务状态会保存到文件里，可跨会话继续工作，不怕进度丢失。

核心工作流

步骤一：项目设置（setup）

在项目根目录运行：

# Claude Code / OpenCode / Codex / Antigravityset up conductor# Gemini CLI/conductor:setup

Conductor 会问你一系列问题，帮你把项目的核心上下文整理好。弄好之后，团队里的人都能直接接着开发新模块，不用每次都讲一遍项目背景。

• • 产品定义：项目背景、目标用户、主要功能概览
• • 产品规范：文案风格、品牌约束、视觉规范等
• • 技术栈：语语言、数据库、框架等技术选型
• • 工作流：如 TDD 流程、提交策略、团队协作约定
• • 代码风格：根据所选语言制定的代码规范

生成的目录结构如下：

conductor/├── product.md              # 产品愿景、目标与范围├── product-guidelines.md   # 产品与设计相关规范├── tech-stack.md           # 技术栈与工具选型├── workflow.md             # 开发工作流（TDD、提交规范等）├── code_styleguides/       # 各语言的代码风格指南└── tracks.md               # 当前项目任务（tracks）索引

Conductor 会分析当前代码库，并引导你完成项目设置流程。初始化时，它会自动识别项目类型：

• • 新项目（greenfield）：从零开始构建完整的项目上下文
• • 现有项目（brownfield）：分析现有代码和结构，辅助生成上下文文档

每个项目只需要执行一次初始化。完成后，这些项目级上下文就会成为团队的共享基础，可以长期使用。

步骤二：创建任务（newTrack）

当你准备开发新功能或修复 Bug 时，可以创建一个新的 Track：

# Claude Code / OpenCode / Codex / Antigravitycreate a new track for dark mode# Gemini CLI/conductor:newTrack# 或者直接附带描述/conductor:newTrack "Add a dark mode toggle to the settings page"

该命令会创建一个新的 track，这是 Conductor 中用于管理工作的高级单元。创建完成后，Conductor 会通过一系列交互式问题，帮你生成两个核心文件：

• • spec.md：需求规范，明确要做什么以及为什么要做
• • plan.md：实施计划，把工作按阶段（Phase）拆分为具体任务和子任务

这些文档并不是完全从零开始写的。Conductor 会结合项目中已有的上下文信息（如产品定义、技术栈和工作流约定）提供参考建议，帮助你更快整理出清晰、可执行的规范和计划。

注意：在进入实现阶段之前，建议先审查并确认这两个文件，确保需求边界明确，计划可行。

生成的文件结构如下：

conductor/tracks/<track_id>/├── spec.md          # 需求规范说明├── plan.md          # 可执行的任务与阶段计划└── metadata.json    # Track 元数据

此外，项目根目录下的 conductor/tracks.md 会自动更新，用来记录和索引新增的 Track，方便后续查看和管理。

步骤三：执行实施（implement）

当计划确认无误后，就可以开始执行实施流程：

# Claude Code / OpenCode / Codex / Antigravityimplement the next task# Gemini CLI/conductor:implement

该命令会让 Conductor 按照 plan.md 中定义的阶段（Phase）和任务（Task）顺序逐步推进实现。每完成一项任务，状态都会写回对应文件，并标记为已完成。

因为执行进度是持久化保存的，你可以随时中断流程，之后再继续执行，而不会丢失当前的工作状态。

工作流程：

Conductor 会按照既定流程逐步推进实施

1. 1. 选择下一个要处理的任务
2. 2. 按照项目里的工作流执行（例如 TDD：先写测试 → 测试失败 → 实现功能 → 测试通过）
3. 3. 同步更新 plan.md 中对应任务的状态
4. 4. 每个阶段完成后，提示进行必要的人工检查与确认
5. 5. 按配置在 Task 或 Phase 完成后提交代码

实施过程中，会更新以下文件：

• • conductor/tracks.md：整体 Track 状态
• • conductor/tracks/<track_id>/plan.md：任务完成情况同步
• • 项目上下文相关文件：阶段完成后进行必要的更新

在实施过程中，你可以用以下命令管理项目进度。

查看状态

用于汇总并查看项目的当前进度：

# Claude Code / OpenCode / Codex / Antigravitycheck status# Gemini CLI/conductor:status

这个命令会汇总所有正在进行的 Track，显示它们的当前阶段和完成情况，让你快速了解哪些工作正在进行，哪些已经完成。

回滚工作

当需要撤销已完成的工作时，可以按逻辑单元进行回滚：

# Claude Code / OpenCode / Codex / Antigravityrevert# Gemini CLI/conductor:revert

Conductor 的回滚机制是 Git 感知的。它基于逻辑工作单元进行操作——包括 Track、Phase 和 Task ——而不是简单依赖 commit hash。

这种方式可以精确撤销指定的工作范围，不会影响无关改动，更适合多阶段、持续推进的开发流程。

审查工作

对照规范和计划检查已完成的任务：

# Claude Code / OpenCode / Codex / Antigravityreview my work# Gemini CLI/conductor:review

这个命令会根据 plan.md 和 product-guidelines.md 审查已完成的工作，确保每个任务的产出符合项目规范和设计要求。

快速上手指南

快速安装

Conductor 安装非常简单，不需要额外配置，也没有复杂依赖。

第一步：克隆项目

git clone https://github.com/jnorthrup/conductor2.gitcd conductor2

第二步：安装技能

Claude Code / OpenCode / Codex / Gemini CLI / Antigravity：

Windows（Git Bash）：

sh ./install.sh

Mac / Linux：

chmod +x install.sh./install.sh

注意：如果你想在 GitHub Copilot 中使用 Conductor，请参考仓库里的 copilot-agent/ 目录进行配置。

安装完成后，重启你的 AI 工具，就可以开始使用了。

实战教程

下面用一个完整示例，演示 Conductor 在实际项目中的使用。

示例：使用 Claude Code 构建 Todo 应用

步骤一：设置项目

# 创建项目mkdir todo-app

在项目根目录打开 Claude Code，运行命令：

设置 conductor# 或使用/conductor 设置

Conductor 会分析当前项目，并引导你完成初始化设置：

生成产品愿景与目标（product.md）：

生成产品风格指南（product-guidelines.md）：

生成技术栈（tech-stack.md）:

选择工作流（workflow.md）：

选择代码风格指南（code_styleguides）：

回答完所有问题后，项目设置完成。

步骤二：创建新的任务（Track）

完成项目设置后，Conductor 会引导你填写新 Track（功能或缺陷）的相关信息。

回答完全部问题后，新的 Track 就创建完成了。

步骤三：开始实现

Track 创建完成后，会提示你运行实现命令：

开始实现# 或使用/conductor 开始实现

开始实现功能，AI 会更新tracks.md：

更新plan.md：

在实现过程中，你可以用以下命令查看项目进度：

查看状态# 或使用/conductor 查看状态

运行查看命令，显示项目状态：

每个阶段完成后，AI 会暂停，让你手动验证进度。

在验证阶段，你可以运行审查命令检查已完成的工作：

审查我的工作# 或使用/conductor 审查我的工作

运行审查命令，查看审查报告：

如果对结果不满意，还可以撤销已执行的工作：

还原# 或使用/conductor 还原

运行还原命令，AI 会检查当前项目状态：

注意：如果自然语言命令无法触发 Conductor，可以在命令前加上 /conductor 前缀，例如 /conductor 审查我的工作。

任务完成后，你可以对 Track 进行归档工作。

最终成果

完成以上步骤后，我们的 Todo 应用就顺利开发完成了！

启动应用查看：

常用技巧与最佳实践

项目使用技巧

新项目：

You: "Set up conductor"AI: [Walks through interactive setup]You: "Create a feature for user registration with email verification"AI: [Generates spec and plan, presents for approval]You: "Implement the track"AI: [Works through tasks following TDD, commits after each task]

现有项目：

You: "Set up conductor"AI: [Detects existing project, analyzes codebase, infers tech stack]You: "Create a track to add OAuth authentication"AI: [Generates spec based on existing architecture]You: "Implement the track"AI: [Integrates with existing code following project patterns]

目录结构

初始化完成后，项目目录大致如下：

your-project/├── conductor/│   ├── product.md              # 产品愿景与目标│   ├── product-guidelines.md   # 产品 / 设计规范│   ├── tech-stack.md           # 技术栈和工具选择│   ├── workflow.md             # 开发流程规则│   ├── tracks.md               # Track 总览列表│   ├── code_styleguides/       # 各语言代码风格指南│   ├── tracks/                 # 当前进行中的 Track│   │   └── <track_id>/│   │       ├── metadata.json   # Track 元数据│   │       ├── spec.md         # 功能说明│   │       └── plan.md         # 实施计划│   └── archive/                # 已完成的 Track├── src/                        # 应用代码└── ...

Task 状态标记

Conductor 使用 Markdown 复选框来表示任务进度：

• • [ ] 未开始
• • [~] 进行中
• • [x] 已完成

核心工作流原则

• • 以计划为准：所有工作都围绕 plan.md 展开
• • 先写测试再实现：默认走 TDD，需要的话可以调整
• • 关注覆盖率：一般希望保持在 80% 以上，具体可按项目情况放宽
• • Task 做完就提交：每个任务都会单独提交，方便回溯和审查
• • 阶段结束要确认：每个 Phase 完成后都停下来人工检查一次

Token 消耗问题

Conductor 需要读取项目里的上下文、规范和计划文件。项目越大、前期规划写得越细，使用过程中消耗的 Token 也会相应增加。

提示：可以使用 .claudeignore 来排除不需要分析的文件，类似于 .gitignore，可以避免无关内容被处理。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】