一次對話，從零到 18 個平台

2026 年 4 月 1 日，OSOP 還只是一個內部 Claude Code 外掛，以及一份團隊外無人使用的規格書。到了當天結束時，它已支援 18 個 AI 程式平台，在 ClawHub 上發布了 5 個技能，並向主要社群儲存庫提交了 5 個 Pull Request。

這是事情如何發生的故事——以及為什麼它行得通。

關鍵洞察

每個 AI 程式助手都會讀取 markdown 指令檔。Cursor 讀取 .cursor/rules/*.mdc。Windsurf 讀取 .windsurf/rules/*.md。Cline 讀取 .clinerules/*.md。Codex 讀取 AGENTS.md。Aider 讀取 CONVENTIONS.md。這個模式是通用的。

唯一的差異在於檔名、目錄，偶爾還有一兩行 frontmatter。實際的指令——AI 應該做什麼——在所有平台上都是相同的。

這意味著我們可以用單一來源架構支援所有主要 AI 程式工具：一個 CORE-INSTRUCTIONS.md 檔案，加上輕量的平台專用包裝器。

第一階段：OpenClaw

我們從 OpenClaw 開始，因為它擁有最豐富的整合模型——一個完整的技能註冊表（ClawHub），擁有 13,000+ 個技能。我們現有的 osop-openclaw-skill 儲存庫有內容但 frontmatter 格式不對。

兩個平行研究 Agent 同時探索了現有技能結構和 OpenClaw 平台。幾分鐘內我們就確切知道 ClawHub 期望什麼：帶有 emoji、metadata.openclaw.requires、user-invocable 和 disable-model-invocation 欄位的 YAML frontmatter。

我們更新了所有 5 個 SKILL.md 檔案，建構了市場套件，安裝了 clawhub CLI，並發布了：

osop — osop — 核心工作流程技能
osop-log — osop-log — 對話日誌記錄
osop-report — osop-report — HTML 報告生成
osop-review — osop-review — 安全與風險分析
osop-optimize — osop-optimize — 工作流程最佳化

然後我們向 openclaw/openclaw 提交了一個 PR，將 OSOP 加入他們的社群外掛文件。CI 在格式檢查上失敗了——oxfmt 對空行很嚴格。修復、推送，全部通過。

第二階段：架構設計

在 OpenClaw 模式驗證成功後，我們設計了一個通用架構：

osop-agent-rules/
osop-agent-rules/
├── CORE-INSTRUCTIONS.md     # Single source of truth
├── install.sh               # Auto-detect + install
├── cursor/                  # .mdc with YAML frontmatter
├── codex/                   # AGENTS.md
├── windsurf/                # .md with trigger comment
├── continue-dev/            # YAML rules
├── aider/                   # CONVENTIONS.md
├── cline/                   # Plain markdown
├── roo-code/                # Plain markdown
├── devin/                   # Playbook markdown
├── obsidian/                # Copilot custom prompt
├── zed/                     # .rules file
├── amp/                     # AGENT.md
├── trae/                    # project_rules.md
├── pearai/                  # Custom command
├── sweep/                   # SKILL.md
├── swe-agent/               # YAML config
└── copilot/                 # MCP integration guide

安裝腳本通過檢查設定目錄來偵測存在哪些 AI 工具，然後複製對應的檔案。./install.sh --all 涵蓋所有工具。

第三階段：PR 突擊

我們平行啟動了 4 個 Agent 向社群儲存庫提交 Pull Request：

PatrickJS/awesome-cursorrules — PatrickJS/awesome-cursorrules — 經典的 Cursor 規則合集
SchneiderSam/awesome-windsurfrules — SchneiderSam/awesome-windsurfrules — Windsurf 社群規則
bradAGI/awesome-cli-coding-agents — bradAGI/awesome-cli-coding-agents — 全面的 CLI Agent 目錄
continuedev/awesome-rules — continuedev/awesome-rules — Continue.dev 官方規則儲存庫

所有 4 個 PR 都通過了 CI。加上 OpenClaw 的 PR，一次對話就有 5 個社群接觸點。

第四階段：Obsidian 及更多

隨後我們研究了另外 7 個平台——Obsidian、Zed、Sourcegraph Amp、Trae（字節跳動）、PearAI、Sweep AI 和 SWE-agent——每個都有自己的設定格式。全部加入儲存庫，更新安裝腳本，推送。

我們學到了什麼

markdown 指令模式是通用的。每個 AI 程式工具都讀取 markdown。所謂的「生態系統碎片化」只是命名慣例問題，而非內容問題。
平行 Agent 是力量倍增器。同時提交 4 個 PR 而不是依序提交，節省了數小時並保持了動力。
CI 是你的朋友。OpenClaw 的 CI 失敗捕捉到了一個真正的格式問題。立即修復避免了一次審查來回。
單一來源架構可擴展。一個核心指令檔案，多個輕量包裝器。新增一個平台只需 5 分鐘。

數據

指標	數量
支援平台數	18
ClawHub 已發布技能	5
社群 PR 數	5
CI 檢查通過	5/5
建立的 GitHub 儲存庫	1
建立/修改的檔案	50+
耗時	約 2 小時

下一步

基礎已經打好。下一步：完成 MCP 伺服器實作，建構框架專用整合（LangChain、CrewAI、AutoGen），並提交到更多 awesome-lists。目標是讓 OSOP 像 OpenAPI 一樣普及和無所不在。

整個對話已記錄為一個 OSOP 工作流程——在編輯器中開啟 .osop 檔案查看每個步驟、工具呼叫和決策。