减少每个会话从零开始
通过自动注入相关 specs、任务上下文和 workspace journals，让新会话获取项目规范与历史。
Tool profile · 05 / 05
Trellis
本页研究对象固定为 mindfold-ai/Trellis：一个面向团队 AI coding 的 agent harness，把工程规范、任务上下文、工作流状态和项目记忆持久化到仓库，并适配多个 coding agents。
初步记录官方项目 · mindfold-ai/Trellis核对日期 · 2026-08-21
01 · Why included
为什么纳入 SDD 相关研究
初步观察
Trellis 不只为单项功能生成规格，而是让团队规范、任务 PRD、实施/审查上下文和跨会话记忆持续存在于仓库。它适合研究“spec 如何与任务、Agent 路由和长期记忆结合”。
02 · Problem
解决什么问题
把团队工作方式放进仓库
不只记录需求，也记录工作流、检查方式和从任务中沉淀的新规则。
03 · Core assets
核心资产
.trellis/spec/团队共享、可按范围注入的工程规范。
.trellis/tasks/PRD、任务状态、实施上下文与审查上下文。
.trellis/workspace/个人或团队工作日志与跨会话项目记忆。
.trellis/workflow.md项目内工作流、阶段和 skill 路由的事实来源。
04 · Workflow
第一版理解的工作流
- Plan
创建任务、逐项澄清需求并形成prd.md；复杂工作补充设计和实施说明。 - Configure context
为实现和检查选择相关 specs、research 和任务上下文。 - Execute / Implement
Agent 依据 PRD 与自动注入的规范实施代码。 - Check / Verify
针对 specs 和 diff 运行审查、lint、type-check 与测试，并在可行时修复。 - Finish
完成最终检查、归档任务，并把新学习更新回 specs 或 journals。
05 · Installation
安装与运行形态
官方快速开始
npm install -g @mindfoldhq/trellis@latest
trellis init -u your-name
trellis init --codex -u your-name初始化会把 Trellis 项目层和所选 coding agent 的适配文件写入仓库。官方当前列出的前置条件包括 Node.js 18+ 与 Python 3.9+。
06 · CLI & host
CLI 与宿主依赖
结论
Trellis 使用独立 CLI 初始化和维护仓库级 harness
trellis CLI 负责初始化和平台适配；项目内的 Python 脚本、workflow、skills 与宿主 Agent 一起推动任务状态和上下文注入。
宿主 coding agent需要，Trellis 作为跨 Agent 的项目层工作。
Trellis CLI需要，用于安装、初始化和项目配置。
运行前置官方当前要求 Node.js 18+ 与 Python 3.9+。
07 · Early strengths
初步优势
- 把工程规范、任务和记忆放进仓库，便于团队共享与版本化。
- 通过 scoped specs 与任务上下文减少单个入口文件不断膨胀。
- 把计划、实现、检查和知识回写连接成持续学习闭环。
08 · Limits
限制与风险
- 引入较多仓库结构、脚本、hooks 和上下文文件，维护成本需要实测。
- 不同 coding agent 对 hooks、subagents 和 skills 的支持不同，平台体验可能不一致。
- 自动沉淀 specs 与 journals 的质量依赖工作流执行和人工审阅。
09 · Scenarios
可能适用的场景
当团队同时使用多个 coding agents，希望共享工程规范、任务上下文和跨会话记忆，并让完成的工作反哺仓库知识时，Trellis 可能有价值。对于单人、短期或几乎没有固定工程规范的项目，需要比较它的结构成本。
10 · Relations
与其他工具的初步关系
初步观察
Trellis 与 OpenSpec 都在仓库保存 specs 与任务相关资产，但 Trellis 更强调 Agent harness、上下文注入和项目记忆；它也包含类似 Superpowers 的 brainstorm、implement、check、finish 流程。重叠部分需要真实组合实验。
11 · Next research
后续研究问题
- 初始化后实际增加多少文件，它们的维护责任如何分配？
- 同一任务在 Codex、Claude Code 和 Cursor 中的上下文注入是否一致？
- 完成任务后，哪些学习应该晋升为 spec，哪些只留在 journal？
- 与 OpenSpec 同时使用时，spec 和 task 的权威边界如何划分？
12 · Official sources