面对实际交付，我看helmsman的重点不在星标，而在这项能力：AI 编码代理的自适应指令服务器， seuros/helmsman。实际做部署与运行环境时，经常会碰到权限、依赖和环境差异会放大维护成本，所以功能列表并不能代替验证。先在非生产环境复现一次安装与运行更稳妥；过程中要观察依赖锁定、权限边界、日志、回滚和资源消耗，失败也应能解释原因。整体来看，它适合愿意维护环境并重视故障恢复的工程团队拿来做对照测试，最终决定仍应回到真实结果和维护状态。

舵手

AI 编码代理的自适应指令服务器。

问题

静态 AGENTS.md 文件创建指令熵崩溃。

对于作品、十四行诗和俳句来说，同样的指示也是幻想。它们具有不同的功能、不同的成本和不同的故障模式。静态指令：

• 默默地腐烂 - 写过一次，从未更新，偏离现实
• 浪费代币 - Opus 不需要一步一步的指导
• 导致失败 - 俳句需要护栏，但它没有得到
• 忽略上下文 - 当你在 Arch 上使用 mise 时“使用brew”

真正的成本不仅仅是令牌 - 它是指令确定性。 你无法控制你无法适应的东西。

解决方案

helmsman 通过 MCP（和 CLI）提供动态、上下文感知指令：

• 模型感知：Opus 得到最少的指导，Haiku 得到详细的指导
• 环境感知：检测 OS、shell、可用工具
• 基于模板：Jinja2 模板适应上下文

{% if model.tier == "agi" %}
Verify packages exist. You know what to do.
{% else %}
1. Read the file first with Read tool
2. Check for existing patterns
3. Verify packages exist - do NOT invent them
{% endif %}

{% if env.has_mise %}
Use mise for runtime management.
{% elif env.has_brew %}
Use brew for packages.
{% endif %}

安装

cargo install helmsman

从源代码构建

需要 Rust 1.98 或更高版本。该存储库将 Rust 1.98.1 固定为本地和发布版本。 从 helmsman 存储库目录：

cargo build --release --locked
cargo test --locked

快速入门

球门 (FreeChaOS)

使用 /reflex 配置 Jev，然后提交 /goal <request>。 流程是工作→检查目标→Jev判决→模型响应。 舵手掌控生命周期；主机记录下来并提供 Jev 的判决。 读取 goal://current 了解状态。回合保持开放等待答复。 有关设置、协议和限制，请参阅 helmsman-goals(7)。

说明和技巧

1. 在项目根目录中创建 AGENTS.md.j2

2. 添加到.mcp.json：

{
  "mcpServers": {
    "helmsman": {
      "type": "stdio",
      "command": "helmsman"
    }
  }
}

3. 调用提示：

/helmsman:instructions claude-opus-4-5-20251101

等级

三个功能层，与 Anthropic 的兄弟模型平行。可以扩展到 4-5 个，但我们不会走 OpenAI 路线，有 40 个型号名称（纳米、迷你、微型、中型、大型...）。

monkey

遵循说明。有用，但需要护栏。准确地告诉它要做什么，NOT 要做什么，并将其保持在周界内。如果没有指导，它会产生幻觉包并发明 APIs。

示例：俳句、GPT-5.2 mini、Gemini Flash

engineer

了解基础知识。有能力但缺乏判断力。将删除您的 300GB 缓存以修复错误。 Bug 已修复，但现在您需要等待 4 小时才能重建。需要界限，而不是牵手。

示例：Sonnet、GPT-5.2 Medium、Gemini Pro

agi

建筑师。不要解释如何使用货物或如何发布。它知道。给它约束和目标，而不是程序。在分步说明上浪费代币就是在烧钱。

示例：Opus、GPT-5.2 high/xhigh、DeepSeek R3

快捷键： a/architect（agi）、e/eng/standard（工程师）、m/basic/simple（猴子）

CLI

helmsman                              # MCP server mode
helmsman -i                           # print instructions (default tier)
helmsman -i m                         # monkey tier
helmsman -i basic                     # monkey tier (neutral alias)
helmsman -i a                         # agi tier
helmsman -i architect                 # agi tier (neutral alias)
helmsman -i claude-opus-4-5-20251101  # resolves to agi tier
helmsman -i gpt-4o-mini               # resolves to monkey tier

# Override tier mapping for new/unknown models
helmsman -i unknown-model --tier engineer

# Show diff between tiers
helmsman -i a --diff e                # show AGI vs Engineer differences

helmsman -s commit                    # render .skills/commit.j2
helmsman -l                           # list available skills
helmsman --validate                   # check skill syntax
helmsman -t                           # show token count

模板上下文

{# Model #}
{{ model.id }}        {# "claude-opus-4-5-20251101" #}
{{ model.tier }}      {# "agi", "engineer", "monkey" #}

{# Environment #}
{{ env.os }}          {# "macos", "arch", "debian", "alpine" #}
{{ env.shell }}       {# "zsh", "bash", "fish", "sh" #}
{{ env.in_docker }}   {# true/false #}
{{ env.in_ssh }}      {# true/false #}

{# Tools #}
{{ env.has_mise }}
{{ env.has_brew }}
{{ env.has_apt }}
{{ env.has_gh }}
{{ env.has_git }}

配置

在以下位置创建可选的 helmsman.toml：

1. 当前目录（项目本地）
2. ~/.config/helmsman/（用户全局）
3. 设置 $HELMSMAN_CONFIG 环境变量来覆盖

[defaults]
tier = "engineer"

[server]
templates_dir = "~/my-templates"

模型→层映射是为 Anthropic、OpenAI、Google 和其他主要模型预先配置的。未知型号默认为 engineer 层。

技能

项目技能位于 .skills/ 中并自动发现。以 _ 为前缀的文件是部分文件。

环境检测

helmsman 自动检测 OS、shell 和可用工具。 仅尽最大努力，绝不权威。

已知的边缘情况：

• SSH + Docker可能会报告错误的shell（$SHELL谎言）
• Alpine/busybox 可能缺少预期的二进制文件
• 容器检测使用启发式（cgroup 解析）

使用这些值作为优化提示，而不是硬性要求。

非目标

helmsman 故意不做的事情：

• 提示工程框架 - 这里不是为了优化你的提示
• 型号 memory/learning - 无状态，调用之间没有持久性
• 教学工具 - 假设您知道自己在做什么
• 配置管理 - 使用真正的工具

舵手是基础设施，而不是产品。