Rune

核心用法

Rune 采用网状（mesh）架构替代传统线性 skill 调用，66 个 skill 通过 215+ 连接形成 5 层拓扑结构，实现故障自动路由与弹性工作流。

核心入口指令：

• rune:cook — 通用代码任务处理
• rune:team — 并行协作工作流
• rune:launch — 部署流水线
• rune:rescue — 遗留代码重构与修复

架构分层：

| 层级 | 职能 | 典型 Skill |

|:---|:---|:---|

| L0 路由层 | 流量调度 | skill-router |

| L1 编排层 | 核心 orchestrator | cook, launch, rescue, team 等 |

| L2 工作流中心 | 领域专用流程 | debug, audit, perf, safeguard 等 28 个 |

| L3 工具层 | 原子能力 | git, browser-pilot, neural-memory 等 33 个 |

| L4 扩展包 | 垂直领域 | ui, backend, devops, security, ai-ml 等 14 包 |

关键机制：

• 双向调用：Skill 间可相互触发，打破单向依赖
• 故障自愈：单点失败时 mesh 自动重路由
• 扩展生态：14 个领域扩展包覆盖主流开发场景

显著优点

1. 架构韧性：网状拓扑相比传统链式调用更具容错性
2. 场景覆盖全：从代码生成到安全审计、从性能优化到部署上线，形成完整 SDLC 闭环
3. 模块化扩展：L4 扩展包可按需组合，避免技能膨胀
4. 社区活跃：GitHub 开源，MIT 协议，文档站点完整

潜在局限

• 学习曲线陡峭：66 个 skill + 5 层架构，初学者难以快速定位所需能力
• 调试复杂度高：网状调用链路追踪困难，故障定位依赖完善的 observability
• 生态锁定风险：专有的 rune:* 命名空间与调用协议，迁移成本较高
• 工具链依赖：需通过 clawhub 或 npm 初始化，增加环境配置负担

适合人群

• 中大型开发团队：需要标准化、可复用的 AI 辅助开发流程
• 平台工程师：构建内部 AI coding assistant 基础设施
• 全栈开发者：需要跨领域（前后端/DevOps/安全）的统一工具集
• 技术负责人：关注代码质量、安全合规与工程效率的治理需求

常规风险

• 权限边界模糊：rune:launch 等部署类 skill 需严格管控执行环境
• 供应链安全：通过 clawhub 或 npm 安装，需验证包签名与来源
• 幻觉级联：编排层复杂调用链可能放大底层 LLM 的幻觉误差
• 数据泄露：neural-memory、context-engine 等涉及敏感代码上下文持久化

核心用法

Rune 是一个面向 AI 编程助手的技能网格（skill mesh）系统，包含 66 个纯 Markdown 格式的技能文档，采用 5 层架构设计（L0-L4）。用户通过 rune:cook（代码任务）、rune:team（并行协作）、rune:launch（部署）、rune:rescue（遗留代码）等入口命令调用相应工作流。

架构层级：

• L0 Router: 统一路由层（skill-router）
• L1 Orchestrators: 核心编排器（cook/team/launch/rescue/scaffold）
• L2 Workflow Hubs: 29 个专业工作流中心（debug/deploy/audit/sentinel 等）
• L3 Utilities: 34 个工具类技能（git/research/neural-memory 等）
• L4 Extensions: 14 个领域扩展包（ui/backend/security/ai-ml 等）

显著优点

1. 零安全风险：纯 Markdown 文档集合，无可执行代码、无外部网络调用、无敏感信息硬编码
2. 网状韧性：技能间双向调用设计，单点故障时可自动路由绕行
3. 全面覆盖：从代码编写、架构优化到部署运维的端到端工作流
4. 开源透明：MIT-0 许可，GitHub 仓库可审计

潜在局限

1. T3 来源可信度：个人开发者维护（nhadaututtheky），非企业级背书
2. 纯文档限制：仅提供技能配置和说明，实际执行依赖底层 AI Agent 能力
3. 权限要求高：涉及代码修改、Git 操作、部署等敏感功能时需广泛授权
4. 领域扩展包未经验证：L4 的 14 个扩展包（含 trading/Zalo 等）需额外审阅

适合人群

• AI Agent 架构研究者与学习开发者
• 需要系统化 AI 编程工作流参考的技术团队
• 已建立代码审查流程、可接受 T3 来源工具的中高级开发者

常规风险

• 使用时需授予 AI Agent 代码修改、终端执行等高风险权限
• 部分工作流（如 Zalo 消息）可能涉及个人账户，建议使用官方 API
• 实际效果高度依赖底层大模型能力，需人工监督验证输出