清华大学博士 dongshuyan 开源了其个人科研与编程使用的 AI Agent 生态系统——COMPASS 司南。该项目定位为“个性化 AI 任务总控 Skills 系统”，旨在通过一系列定制化的 Skill 解决大模型在复杂任务中的理解偏差与记忆断层问题。COMPASS 包含三大核心场景功能：一是需求前置对齐，确保 AI 与用户在任务开始前达成共识；二是任务全流程管理，能自动生成任务树、DAG 视图及进度报告，构建可视化的“任务森林”，使 AI 理解任务背景与依赖关系；三是长期用户画像，通过本地化、可审计的数据存储，让 AI 在长期协作中越来越懂用户。该项目基于 Node.js 构建，支持通过 `npx` 一键安装，已适配 Codex 和 Claude Code 等开发环境。
事件分析
从技术架构来看，COMPASS 司南尝试在 LLM 与具体应用层之间构建一层标准化的“技能中间层”，这切中了当前 AI Agent 落地中普遍存在的“上下文遗忘”与“意图对齐”痛点。项目提出的“任务森林”和“DAG 视图”将传统的线性对话转变为结构化的项目管理模式，这对于科研、代码重构等高复杂度、长周期的任务具有重要的实用价值。此外，其强调的本地化用户画像和可审计性，为解决 AI 应用中的数据隐私与个性化定制提供了新的思路。该开源项目的出现，标志着开发者工具正从单纯的代码补全向具备任务调度与状态管理能力的“Agent OS”演进。
💡 核心观点：从“单点对话”进化为“状态系统”，COMPASS 司南通过结构化的技能管理，探索了 AI Agent 在高门槛科研场景下的深度协作与记忆管理范式。
原文链接：Linux.do
AI周刊：大模型、智能体与产业动态追踪
程序员数学扫盲课
冲浪推荐：AI工具与技术精选导航