少重读 · 上下文编译
按当前任务从台账与资料中编译出聚焦上下文，默认预算 5,000 token。Agent 不再每轮重读整个项目。
给 Coding Agent 的
项目工作管理运行时
AWR 替你的 AI 编程助手管好三件事：项目进度、当前任务要用的资料、跨会话交接记录。换个会话、换个 Agent（Codex → Claude Code → Kimi），项目不必重新开场。
Apache-2.0
v0.4.0
Rust 核心
CLI + MCP
本地编译 · 零模型调用
-73.6% 输入 token 最高降幅
npm install -g @originoneai/agent-work-runtime@0.4.0
python -m pip install agent-work-runtime==0.4.0
$ awr ready → 下一个任务 AWR-SITE-006 官网首屏改版 依赖已满足 · 认领后即可开工 $ awr context --task AWR-SITE-006 ✓ 聚焦上下文已编译：4,998 tokens 全文资料 18,955 → -73.6% 依据 GOALS.md · PLAN.md · work-ledger.yaml $ awr checkpoint "首屏改版完成，待部署" ✓ 检查点已回写台账 —— 换会话、换 Agent 可接续 $ ▋
GETTING STARTED / 快速开始
一条命令安装，三步用起来
预编译版本覆盖 macOS 15+（Apple Silicon 与 Intel）、Linux x64、Windows x64（Node 22.14+ 或 Python 3.9+），npm 或 pip 任选其一。不用学新概念，装完先发一句话。
01
一句话接管
给你的 Coding Agent 发一句简单的话即可：
请使用 AWR（@originoneai/agent-work-runtime）来接管整个项目吧
02
用 /goal 持续执行
已经有长任务或者台账了，可以用 /goal 让它持续执行：
你用 AWR 来维护接管整个项目，以它为基准，以开发、回归测试、真实测试、修复/优化、提交代码、Push 远端、进行下一项 这样的顺序依次进行，直至全部完成
03
换会话，验证接续
第一次试用，重点观察一件事：完成一部分工作并留下记录以后，换个会话，新 Agent 能否根据现有资料接上下一步。不用替它重新讲整个项目，同时它又知道哪些事情尚未验证，这才是一次有意义的接续体验。
KEY FEATURES / 核心特性
它具体管什么
跨会话接续 · 检查点
会话、检查点与交接机制承接「换会话继续干」：核对目标、来源变化、未完成任务，再接续依赖已满足的工作。
台账原生 · 文件即权威
Markdown / YAML 始终是权威来源，资料留在原文件；SQLite 只存索引与运行状态。全部在本地，不上云。
边界安全 · 认领与版本检查
同一工作分支的一项任务只能有一个有效认领；过期写入受版本检查约束，旧会话不能拿旧状态覆盖新进度。
本地编译 · 零模型调用
Rust 核心，上下文编译在本地完成、不额外调用模型，实测 p95 延迟 108ms。预编译覆盖 macOS（Apple Silicon / Intel）、Linux、Windows 四大目标。
CLI + MCP · 双模式
命令行 awr 与 MCP 服务 awr-mcp：本地 stdio 20 种工具；共享 HTTP 服务 21 种工具，一个端点服务多项目、多客户端，持久会话断线可接续。支持 status-map / field-map 映射已有台账字段。
WHY / 为什么做
方法讲清楚了，执行还是卡在同一处
长任务开发的方法并不神秘：先规划、留台账、控制粒度。但知道应该留记录，和真正管得住越来越多的资料、任务和会话，是两回事。AWR 接手的，就是这部分重复劳动。
换个 Agent，项目重新开场
今天 Codex，明天想让 Kimi 接着做，后天请 Claude Code 复核。新执行者不知道哪些结论已确认、哪些只是写了代码、哪些还没验收——业务又得从头讲一遍。
资料越积越多，越读越重
只是修一个转派问题，Agent 却重读需求、架构和整份台账。会话用得久了不断压缩：大方向还记得，交代过的细节开始漏。
人成了「人工记忆」
复制资料、解释背景、核对进度、提醒别碰错地方。台账把记录留下来了，找出当前真正要用的那一部分，仍是重复劳动。
HOW / 它怎么工作
一位围着台账工作的项目资料管理员
接入 AWR 后，Agent 每次拿到的是当前这项工作的资料，而不是整个项目的全部历史。整个开发过程的信息流因此改变：
资料台账进入 AWR
目标、方案、规则、台账留在 Markdown / YAML 里，它们仍是权威来源。
整理当前任务上下文
按当前任务编译出真正要用的那部分资料，SQLite 建索引，本地完成、不调模型。
Agent 执行并验证
拿到聚焦后的上下文，再去读相关代码、修改实现、执行测试。
进度证据回写
状态、验证结果、阻塞和下一步写回记录，下一个执行者据此接续。
新的进度、证据和下一步继续回写，循环进入下一轮
BENCHMARK / 实测数据
只给 Agent 看当前要用的资料
以下数字来自仓库自带的公开合成基准：上下文对比为 150 个合成任务（逐一测量全部 39 个未完成任务），token 按 o200k_base 计数，预算 5,000，测试环境 Apple M3 Max；工作流对比为 0.4.0 的 30 / 45 次合成运行。各组数字相互独立，不可叠加。
-73.6%
聚焦上下文 vs 全文资料，输入 token 最高降幅
676/676
必要事实核对全部通过
-18~27%
0.4.0 合并任务准备后，工具调用次数降幅
108ms
上下文编译 p95 延迟
| 口径 | 数值 | 说明 |
|---|---|---|
| 全文资料 | 18,955 tokens | 把项目全部资料交给 Agent 的输入量 |
| 聚焦后单任务上下文（最大） | 4,998 tokens | AWR 按当前任务编译出的上下文，减少 73.6% |
| 完整 CLI JSON | -32.7% | 不走聚焦编译、直接发送完整 JSON 时的降幅 |
| 合并任务准备（0.4.0 work prepare） | 调用 -18~27% · 文本 -3.4~4.7% | 就绪判断、必要上下文、管理要求一次返回，对比等效旧流程（30 次合成运行） |
| 摘要响应（0.4.0 可选） | 文本 -6.8~9.2% | 调用次数不变，累计返回文本降幅（45 次合成运行） |
| 上下文编译延迟 | p95 = 108ms | 本地编译，无需额外调用模型 |
诚实注：这些数字衡量的是「输入给 Agent 的资料量」与「交互往返成本」，不等于端到端的账单节省。实际节省取决于你的任务结构、台账质量和使用的模型计费方式；三组对比相互独立，降幅不可叠加。
COMPARE / 和 Mem0 的边界
记忆服务 ≠ 工作管理
Mem0 提供记忆的组织、更新和检索，也能用于任务相关记忆。但「记下我们做过工单转派」，与「管理工单转派当前能不能继续」，需要的机制不同。两者互补，不存在谁替代谁的结论。
| Mem0（记忆服务） | AWR（工作管理） | |
|---|---|---|
| 核心问题 | 我们做过什么、用户偏好是什么 | 这项工作当前能不能继续、由谁继续 |
| 管理对象 | 记忆内容的组织、更新与检索 | 任务状态、约束、上下文与接续动作 |
| 要回答的事 | 按用户、Agent、会话或任务范围找回内容 | 前置模块完成了吗、现在谁在做、证据对应哪版代码、旧会话能否覆盖新进度、下一个执行者该拿到哪些资料 |
| 关系 | 记忆服务和工作管理可以配合：已经有目标和项目资料、需要跨阶段跨会话持续推进时，AWR 围绕台账把这些组织起来。 | |
ROADMAP / 路线图
个人开发只是入口，后面还有企业协作
现在 · v0.4.0
① 个人接续
解决「换会话继续开发」：上下文编译、检查点与恢复、任务认领、版本检查、合并任务准备与摘要响应，CLI + MCP 接入现有 Coding Agent。
进行中
② 本地协作
共享 MCP 服务与持久工作会话已落地：一个 HTTP 端点服务多项目、多客户端，按项目显式授权，会话支持认领、检查点与断线接续。多人、多 Agent 在同一工作状态上接力。
方向
③ 企业多人多 Agent 平台
为多用户、多租户工作平台保留扩展空间：产品界面负责展示交互，专业 Agent 负责执行，人负责确认与审核。需要说明：当前本地协作机制不等同于完整多租户成品——企业身份认证、租户权限、分布式协调和平台级运维，还需由上层系统补齐并验证。
FAQ / 常见问题
先问清楚的五件事
支持哪些客户端？
AWR 提供 CLI（awr）与 MCP（awr-mcp）两种接口，支持 MCP 的客户端都能接：本地 stdio 20 种工具，另有共享 HTTP 服务（21 种工具）可一个端点服务多项目、多客户端。自动生命周期安装目前主要面向 Codex，其他客户端需要相应的接入配合。
数据存在哪里？
全部在本地：Markdown / YAML 资料留在原文件，索引与运行状态存在本地 SQLite。不上云。
它会改我的 Markdown 吗？
不会。Markdown / YAML 始终是权威来源，Markdown 台账继续在原文件编辑；受支持的 YAML 台账走受控更新，遇到过期来源和版本冲突先检查，不拿旧状态直接覆盖。
我的台账字段不标准怎么办？
用 status-map / field-map 把你已有的字段命名映射到 AWR 的工作模型，不必为了接入重写历史台账。
开源协议是什么？
Apache-2.0。欢迎试用、点 Star，也欢迎带着脱敏的真实问题提 Issue，贡献客户端适配、任务模板、恢复测试和平台集成。