atomic
构建可验证、可控制的AI编码代理运行时框架。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：atomic。 它的用途是：构建可验证、可控制的AI编码代理运行时框架。 完整的 Skill 内容见：https://321skill.com/skills/atomic-flora131/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“使用Atomic框架，为我创建一个自动化代码审查工作流。当有新的Pull Request时，自动运行静态分析、检查代码规范，并生成带有证据的报告。”，它会引导你定义执行图，配置专门的代码分析代理和报告生成代理，并设置通过检查点，最终输出一个可部署、可验证的自动化审查流程。
介绍
Atomic 是一个专为构建可验证的AI编码代理工作流而设计的运行时框架。它解决了在自动化编码过程中，因缺乏透明度和控制力而导致的“黑盒”问题，让开发者能够清晰定义、执行和验证AI的工程任务。
通过Atomic，你可以将复杂的开发任务构建成明确的执行图。它支持为不同阶段分配专门的代理、设定上下文范围、进行结构化交接、并行分支执行，并内置了可执行的检查点、证据工件、评审关卡和人工批准机制，从而将AI辅助的工程流程标准化和可视化。
它非常适合希望将AI深度集成到软件开发流程中，但又需要保持对过程和质量严格控制的开发团队或个人。无论是构建自动化代码审查流程、智能脚手架生成，还是复杂的多步骤开发任务编排，Atomic都提供了坚实的底层基础。
使用前请注意，它需要Node.js环境，并依赖外部AI模型提供商（如Claude、GitHub Copilot等）的API。虽然框架本身是开源的，但运行成本与所选模型的API调用费用相关。建议从简单的单步任务开始，逐步构建更复杂的工作流。
核心特点
与普通代码生成工具不同，Atomic的核心在于其“可验证”的执行模型，它将工作流构建为显式的执行图，并内置了证据收集、检查点和审批机制，使得AI的每一步操作都可追溯、可审计，从而确保工程过程的可控性和结果的可信度。
注意事项
不适合追求快速、一次性代码片段生成的轻量级场景，其学习成本和配置复杂度较高。
常见问题
Atomic和直接使用ChatGPT写代码有什么区别？
Atomic不是直接写代码的聊天工具，而是一个用于编排和验证AI编码代理工作流程的框架。它让你能定义多步骤、有检查点的自动化工程流程，确保过程可控、结果可验证。
使用Atomic需要付费吗？
Atomic框架本身是开源的MIT协议。但运行它需要连接AI模型提供商（如Anthropic、OpenAI等），因此会产生相应的API调用费用，费用取决于所选模型和用量。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/atomic-flora131/raw/index.md 读取 atomic 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/atomic-flora131/raw/index.md（查看排版版本）