StrayMark · documentation
AI 协同工程的认知纪律
- 记录每一个决策
- 用经验数据检测漂移
- 默认即可审计
用一行命令安装 CLI
$ curl -fsSL https://raw.githubusercontent.com/StrangeDaysTech/straymark/main/install.sh | sh
# creates repo-native governance artifacts
# ready for your first Charter……然后看看我们的简短快速上手指南 →
认知配对
人可以置身其中的知识
StrayMark 是一种认知配对工具：它把项目信息转化为有位置感的知识。它不是把数据倾倒出来供机器查询，而是构建一张人可以站进去的地图：看清正在做什么决定、为什么这样决定、哪些工作正在推进，以及项目将走向哪里。
它也避免人类团队被智能体编码和决策的速度甩在后面。在 AI 增强工程中，StrayMark 让你带着可验证的上下文掌控设计与实现决策，同时给予 AI 智能体在中大型项目中保持连贯所需的认知纪律。
五条工作流，一个仓库
每一步都在你的仓库里留下版本化的产物。没有外部系统，没有隐含决策。
从空白终端到你的第一个 Charter
一段 15 秒的真实 CLI 录像。三条命令；没有剪辑，没有编排。
为什么需要 StrayMark
整个行业都在忙于模型、防护栏（guardrails）与合规。最缺失的一环却在所有这些之上游：与智能体协作的团队的认知纪律。没有结构，智能体就会漂移，决策会被遗忘，风险无人记录，监管证据只能临时拼凑。StrayMark 直接结构化工作本身 —— 原生于仓库、感知智能体、按构造即可审计。
StrayMark 提供什么
结构化的认知纪律
Charters 在代码之前定义目的与边界。AILOGs 捕获人/智能体的对话。AIDECs 记录决策与权衡。
原生于仓库
所有内容都生活在你的 git 仓库里：产物、治理规则、智能体指令。没有外部平台，没有第二份事实来源。
声明式智能体治理
STRAYMARK.md 与 AGENT-RULES 中版本化的规则在工作流层面约束智能体行为 —— 不在运行时，不在事后。
审计证据是副产品
对 EU AI Act、ISO 42001、NIST AI RMF 和 GDPR 的映射，从团队已经在生成的产物中自然涌现。无需另起一套纸面流程。
一个真正做事的 CLI
init、validate、audit、analyze、compliance、metrics —— 一个二进制，十一个命令，可以 grep 与 pipe 的确定性输出。
TDE：漂移检测
Transversal Debt Engine 让 Charters 之间隐藏的耦合在演化为事故前显形。
面向 AI 智能体的 Skills
十一个斜杠命令封装了仪式：/straymark-charter-new、/straymark-ailog、/straymark-audit-prompt、/straymark-status……由智能体驱动框架，而不是你。
多模型外部审计
三个审计方 CLI（如 claude、copilot、gemini）读取同一份提示，独立审计一个已关闭的 Charter。校准器去重、重新分级，并将签名后的证据合并入遥测数据。
源自设计的涌现式观察
文档之间强制的相互引用让智能体能够主动发现过时的规范和跨 Charter 的漂移。认知纪律提升基线，而无需收紧提示词。
准备好动手了吗？
快速上手指南会带你从一个空终端走到一个已关闭的 Charter，外加一次外部审计循环——六个小节，可直接复制粘贴的命令，大约十分钟的阅读量。如果你已经读到这里，那就是下一站。
阅读快速上手指南 →