一句话看懂：开发者 Michael Denyer 把 Lauren Tan 的 Cursor 技能栈 pstack 移植到了 Claude Code、Codex、Pi 等多家 AI 编程代理环境，主张用一套有明确流程的”技能编排”来约束 AI 写代码的过程，而不是只靠一句提示词碰运气。
事件核心：发生了什么
GitHub 上出现了 michael-denyer/pstack-claude 这个仓库，它是对 Lauren Tan 所开发的 pstack 的移植版本。pstack 原本是一套面向 Cursor 的”有主张”技能栈，核心思路是不要让 AI 自由发挥，而是把修复 bug、做规划、写新功能、重构、排查性能问题、处理 PR、发布上线等任务拆成标准化流程。移植后，它可以在 Claude Code、Codex、Pi 以及其他代理框架中运行，并以 tools/forks.json 声明跟上游同步的策略分支。安装方式按平台区分：Claude Code 用 /plugin marketplace add 和 /plugin install，Codex 用 codex plugin 命令，Pi 用 pi install git 方式。用户输入 poteto-mode 并说明目标后，系统会自动调用对应工作流。
为什么重要
AI 编程代理这两年从”补全代码”快速走向”自主执行任务”，但随之而来的问题是：同一个模型，流程设计不同，产出质量差异极大。pstack 这类工具的价值不在于更强的模型，而在于把工程规范固化成可复用的”技能包”，让 AI 在调查、验证、跨模块修改等环节按规则行动。它同时在多家 harness 上做移植，也说明开发者不愿被单一工具锁定，希望技能层与模型/平台层解耦。仓库还提到配套的 agent-formal-verify 插件，引入 TLA+ 模型检查和 Lean 证明，针对测试覆盖不到的并发问题和不变式，这触及了 AI 自动写代码目前最难验证的一块。
对用户/开发者/创作者的影响
对使用 Claude Code 或 Codex 的开发者来说，这是一条可以直接试用的能力增强路径：修复 bug 时它会先复现失败、用 how 和 why 做调查、再委派修改并重跑失败用例，最后把失败与通过的证据一起交回。默认没有服务器，也没有遥测数据上报，脚本本地运行，PR 相关工具走用户自己的 GitHub CLI 登录，这对在意代码外泄的团队是个加分项。不过要注意，技能要求模型读取的内容（包括会话记录）仍会发送给模型提供商。对普通创作者，它的直接价值有限；对团队技术负责人，它提供了一种把”AI 写代码”纳入既有工程纪律的思路。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是这个移植版能否持续跟上上游 pstack 的更新节奏，tools/forks.json 里的策略分支会不会分叉过多。二是自动路由和按角色设置推理强度（例如 arena runners 用 opus @xhigh、fable @max）在实际项目中的成本与效果。三是 agent-formal-verify 这类形式化验证能否从并发场景扩展到更常见的业务代码，从而被主流团队接受。
来源：github
