初始化项目上下文
扫描技术栈、品牌、API 源和设计路径，生成
knowject/context.yaml 作为所有 Skill 的事实锚点。
Claude Code + Codex Skill Pack
知项 · Knowject
面向团队项目协作的 AI 知识系统。把 PRD、设计稿、API、项目记忆和评测证据， 变成 Claude Code 与 Codex 能直接消费的项目上下文。
knowject skills map
8
shipped Skills 覆盖产品、设计、API、记忆、评测和 MCP 设计
50
verification checks 覆盖 manifest、adapter、fixture 和引用证据
0
runtime services required，Day-1 交付保持静态和可审阅
1
context anchor，让 agent 不从空白 prompt 开始
Workflow
把一次 AI 对话，收敛成团队可复用的工程资产。
Knowject 不追求无边界的自动化。它把高频交接动作拆成明确的 Skill， 每个 Skill 都有输入、输出、失败模式和确认门禁。
翻译跨角色产物
PRD 变 HTML mock，设计稿变组件骨架，OpenAPI 变 typed client 和响应类型。
沉淀可追溯上下文
项目记忆、RAG eval 和工具设计都要求 source evidence，避免旧计划覆盖当前事实。
先审阅，再写入
产物写入前展示 diff，用户确认后才落盘，保持 AI 协作可控、可回滚。
Skill system
不是泛用 prompt，而是一套带边界的项目工作台。
这些能力被组织成清晰的目录、文档和验证脚本，既能被 Claude Code 使用， 也能被 Codex 以 adapter 形式消费。
context-init
建立项目事实锚点，检测技术栈、路径、品牌和 API 源。
prd-to-mock
把需求文字转成品牌化静态 HTML，用于产品和视觉讨论。
read-design
把设计源拆成组件计划，再输出符合项目栈的骨架代码。
read-api
发现 Express 或 OpenAPI endpoint，并生成 typed client scaffold。
api-to-types
从 OpenAPI 3 生成 TypeScript response types，并接入生成客户端。
memory-capture
把事实、决策、工作流和风险沉淀成 source-cited memory。
rag-eval
生成可审阅的 RAG 引用评测用例，覆盖 source recall 和 unsupported claims。
mcp-tool-designer
把 API surface 设计成 MCP tool candidates，标注风险和确认 gate。
证据优先
memory、eval 和 tool design 都要求来源路径、line range 或明确 source note。
边界清楚
Day-1 不伪装成数据库、向量检索、MCP server 或生产级 agent runtime。
写入可控
所有会落盘的 Skill 都先展示 diff，再要求确认，避免静默修改项目。
不碰密钥
context、memory、eval 和 mock 都明确避开 token、base URL、DB URL 和环境值。
Install
安装一次，把项目上下文交给 agent。
Skill pack 通过 symlink 安装到 Claude Code 和 Codex。目标项目只需要提交
knowject/context.yaml，后续产物都从这个锚点展开。
terminal
static install path
git clone https://github.com/lynxlangya/knowject.git
cd knowject
bash skills/scripts/install.sh
然后在任意项目中运行 /knowject init。
让 Knowject 先理解项目，再让 AI 参与需求、设计、API 和知识交接。