核心理念
你的 AI 看得见一切。
而不只是你说过的话。
在 Vibe Coding 中，AI 的上下文是一个黑盒——你不知道它做了哪些假设。在 OpenLogos 中，每一个决策都活在一份文档里。可审阅、可复现、可累积。这就是 Harness Engineering 的记忆与状态层——被显式化。
对比
黑盒 vs. 明账
Vibe Coding
你说：
"做一个登录功能"
AI 在想（隐藏）：
需求？ 猜……
UI 设计？ 猜……
API 结构？ 猜……
边界情况？ 猜……
错误处理？ 猜……
输出千差万别。每次会话都从零开始。决策全部丢失。
OpenLogos
你说：
"做一个登录功能"
AI 在读（显式）：
✓ 需求文档（Phase 1）
✓ 产品设计（Phase 2）
✓ 时序图 S03
✓ OpenAPI YAML + 数据库 Schema
✓ 测试用例（12 个场景）
输出始终一致。上下文不断累积。决策被完整保留。
上下文仓库
一切都活在 logos/ 里
一个结构化目录，每个阶段的产出都成为下一阶段的输入——全部采用人类可读的格式。
logos/
logos.config.json 项目配置
logos-project.yaml AI 协作索引
resources/
prd/
1-product-requirements/ Phase 1 · WHY
2-product-design/ Phase 2 · WHAT
1-feature-specs/
2-page-design/
3-technical-plan/ Phase 3 · HOW
1-architecture/
2-scenario-implementation/
api/ OpenAPI YAML 规格
database/ SQL DDL / schema
test/ 测试用例规格（Markdown）
scenario/ API 编排测试（JSON）
verify/ 验收报告
changes/ Delta 变更提案
<slug>/ 活跃提案
proposal.md 影响分析 + 概述
tasks.md 按阶段划分的任务清单
deltas/ 每个任务的变更产物
archive/ 已完成的提案
skills/ AI Skills（每个 skill 一份 SKILL.md）
prd-writer/
product-designer/
scenario-architect/
code-implementor/
api-designer/ …… 13 个内置 skill
spec/ 方法论规格说明
为何重要
三个改变一切的特性
可审阅
AI 使用的每一条信息都写在 Markdown、YAML 或 JSON 里。在生成代码之前，你可以阅读、审计并纠正任何一个假设。
可复现
相同的文档 → 相同的上下文 → 一致的 AI 输出。换一个 AI 工具、换一个团队成员，结果依然可预测，因为上下文是显式的。
可累积
文档是项目的知识资产。决策永不丢失。新成员读完文档就能理解完整的历史——不再依赖口口相传的"部落知识"。
导航者
AGENTS.md —— AI 的 GPS
当 AI 打开你的项目时，它首先读 AGENTS.md。这份文件告诉它你在哪里、该读什么、该遵守哪些规则。
AGENTS.md
阶段检测： 扫描
logos/resources/ 找出当前阶段下一步： 根据缺失的内容建议接下来该做什么
活跃 Skills： 列出每个任务该加载哪些 AI Skills
规则： "没有设计文档就绝不写代码"——自动强制执行
AI 不需要你每次都重新讲解项目。它读文档、检测阶段、加载正确的 Skill，然后带着完整上下文开始工作。