Interpretable-Context-Methodology

用文件夹搭智能体，打开目录就看懂流程

开源 free 开发框架

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1328

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类开发框架

开发团队RinDig

所属国家

官网地址

GitHubhttps://github.com/RinDig/Interpretable-Context-Methodology

定价模式free

价格说明开源项目，免费使用

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型

GitHub 星标★ 1328

30天Star增速

HF 下载量

上线时间2026-02-22 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-13

浏览次数0

项目介绍

Interpretable-Context-Methodology（ICM）是一个把文件夹结构当作智能体架构的开发方法论与框架。它主张不再用传统框架层的调度器、状态机或复杂编排代码来组织多智能体，而是直接用目录与文件的层级关系表达角色、任务与上下文边界：一个文件夹代表一个智能体或一个工作阶段，文件内容就是它的提示词、记忆与产出。这样做的价值在于可解释性——任何人打开项目目录就能看懂系统怎么运转、信息从哪来、下一步交给谁，调试和协作不再依赖阅读框架源码。核心能力包括：以文件系统为唯一事实来源的上下文管理、可版本化的提示词与流程、天然支持人工审阅和局部替换，以及低耦合地接入任意 LLM 调用。适合希望让 AI 工作流透明、可审计、易维护的团队。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

已安装 Git，用于克隆仓库
已安装并打开 Claude Code（README 提供官方文档链接）
本地可用的工作区目录，例如仓库内的 workspaces/script-to-animation
能够回答 setup 引导问题（需一次性答完）

安装与启动步骤

1克隆仓库

把 ICM 仓库下载到本地，后续所有阶段都在仓库内的 workspace 目录中运行。
```
git clone https://github.com/RinDig/Interpretable-Context-Methodology.git
```
2进入工作区

切换到任意一个工作区目录，README 以 script-to-animation 为例，也可换成其他工作区。
```
cd workspaces/script-to-animation
```
3打开 Claude Code

在已进入的工作区目录下启动 Claude Code 会话，它是这套方法论中唯一执行工作的智能体。
4输入 setup 初始化

在会话中输入 setup，触发面向当前工作区的初始化流程。
```
setup
```
5一次答完引导问题

README 强调所有 onboarding 问题要一次性、一轮回答完，答案会自动填充到工作区各文件中。
6开始分阶段产出

给智能体一个主题，按编号文件夹代表的阶段逐步推进，每个阶段生成一个输出文件。

如何确认成功

工作区文件被 setup 答案填充，且每个阶段都会生成输出文件，即表示环境已跑通。

常见问题

Q：需要额外安装 Python 依赖或框架吗？

A：README 的 Getting Started 只要求克隆仓库、进入工作区并使用 Claude Code，未列出任何 pip 安装步骤或依赖清单。

Q：必须使用 script-to-animation 这个工作区吗？

A：不是。README 写的是 cd workspaces/script-to-animation (or any workspace)，可切换到 workspaces 下任意工作区。

Q：setup 的问题可以分几次回答吗？

A：不可以。README 明确要求 all at once, one pass，一次性回答完，答案才会填充到各工作区文件。

Q：某个阶段的输出不满意怎么办？

A：每个阶段都会生成输出文件，你可以在进入下一阶段前直接编辑它，下一阶段会读取你留下的内容。

注意事项

README 未提供 Python 环境的安装命令，如需自行准备请参考 Python 官方文档。
README 未提及 Docker、端口或服务启动方式，本教程不含此类步骤。
ICM 以文件系统为唯一事实来源，调整流程通常只需改动目录与 Markdown 文件，不必改框架代码。

核心亮点

用目录结构替代编排代码，流程和上下文一眼可见，调试时不用翻框架源码
提示词、记忆、产出都是普通文件，天然可 git 版本化、可 diff、可人工审阅
智能体边界即文件夹边界，增删角色或阶段只需移动文件，耦合低、易局部替换

不足之处

以文件系统为调度载体，复杂并发、动态分支和实时状态同步场景表达力有限
项目较新、星标量中等，生态工具与大规模生产案例仍在积累

适用场景

需要向非技术同事或审计方解释 AI 工作流每一步依据的团队
用 git 管理提示词与多智能体协作流程、要求改动可追溯的研发团队
快速搭建可读可改的多角色 AI 原型，验证后再决定是否引入重型框架

替代项目

LangGraph、CrewAI、AutoGen

上一篇：incur

下一篇：1c-agent-based-dev-framework