Agnix — agent config linter and LSP
Agnix — agent config linter and LSP
深度判断
结论：晋升为正式 source page。 Agnix 的价值不在于“又一个 CLI lint 工具”，而在于把 CLAUDE.md、AGENTS.md、SKILL.md、hooks、MCP config 等 agent 配置视为可机器检查的工程制品。README 声称覆盖 Claude Code、Codex CLI、OpenCode、Cursor、Copilot 等多宿主，并提供 447 条规则、autofix、CI、LSP/editor 插件。这正好补上 External-Agent-Skills-Design-Patterns 里“skill 触发/格式错误会导致完全不可见”的问题。
机制 / 一阶原理
Agnix 的一阶原理是：agent 行为配置不是自然语言备忘录，而是运行时输入格式。格式、命名、触发描述、hook/MCP schema 或跨工具差异一旦出错，模型不会稳定“理解你的意图”，而是可能静默忽略、误触发或把坏模式继续放大。Agnix 用 rules + diagnostics + autofix + CI gate，把配置错误从运行时隐性失败前移到编辑期/提交期。
与已有 wiki 概念的关系
| 它与 External-Agent-Skills-Design-Patterns、[[AGENTS.md-Context-Files | AGENTS.md 上下文文件]]、Context-Engineering 和 Harness-Engineering 强相关：前两者提供上下文/skill 设计原则，Agnix 提供机器化 preflight；Agent-Benchmarks 则提醒这类 lint 只能证明结构健康，不能证明 agent 实际采用，因此后续仍需行为 eval。 |
对 Hermes / llm-wiki 的启发
- Hermes skill / cron prompt / llm-wiki ingestion 规则也应被当作“agent config artifact”：至少检查触发描述、禁止场景、前置 discovery、验证门禁、fallback、写入记录和静默投递规则是否存在。
- 对外部 skill 不应直接安装；先把 README/规则入 wiki 学习模式，再用 lint + 权限审计 + 行为测试决定是否可执行。
- llm-wiki 可增加一个轻量
radar-config-lint检查：cron prompt 是否包含 orient、web search first、raw hash、_index/log、写入记录、自我优化、未入库理由和 reindex 规则。
失败模式、边界条件与未解问题
Agnix 的 README 引用了外部研究和行业痛点，但“447 rules” 的质量仍需按规则来源、误报率、autofix 安全性和跨宿主兼容性逐项验证。lint 能发现结构/格式问题，不能替代实际任务中的 with/without-skill eval；autofix 对高风险配置也不能无人全量应用。
来源与证据
- GitHub: https://github.com/agent-sh/agnix
- Stars at ingest: 381
- Last pushed at ingest: 2026-08-15T00:58:36Z
- Raw archive: agnix-agent-config-linter-2026-08-15
写入记录
- 2026-08-15 09:01 CST：从 GitHub README 深度入库，新增 agent config lint/source page，并关联 skill 设计、AGENTS.md、Context/Harness Engineering。