为什么做 ARM
当项目一复杂，单个 AI session 很快会失去上下文、混淆职责、留下无法追溯的决策。ARM 试图把这些问题从经验技巧变成系统约束。
Appearance
ARM让 AI 团队像组织一样稳定工作
不把 AI 当作一次性对话工具，而是把角色、边界、流程、证据与状态纳入同一套可持续运行的协作框架。
Skip to content
这不是另一个“AI 自动化脚本”
很多 AI 系统的问题，不在于模型不够强，而在于项目一变长、一变多人、一变多轮，就开始出现同样的失稳现象：
- 没有稳定角色，谁都能做所有事，也就没人真正负责
- 没有正式状态，进度、决策和证据散落在聊天记录里
- 没有明确边界，AI 既能提建议，也能随手改动正式结果
- 没有可审计链路，事后很难回答“为什么这样推进”
ARM 想解决的，正是这类长期协作问题。
我们相信什么
ARM 的核心判断很简单：
- AI 要进入真实项目，不能只靠 prompt，还需要组织结构。
- 影响正式结果的动作，不能只靠口头宣布完成，必须经过受约束的 Runtime 写路径。
- 项目状态不是备注区，而是可回答“现在在做什么、谁可推进、依据是什么”的工作投影。
- 一个系统如果不能解释自己的决策过程，就很难长期扩大规模。
ARM 如何工作
在 ARM 的设想里，人类负责方向与最终裁决，AI 角色负责规划、执行、测试、审查。Runtime 不是替 AI 决策的“大脑”，而是负责把 Charter、State 和协作规则连接起来的事务边界。
这意味着：
- 项目的组织方式写在
Charter - 当前事实与工作投影写在
State - AI 通过
Runtime读取上下文、提出 proposal、留下证据、完成提交 - 每个角色有自己的职责与可见边界，而不是共享一份无限扩张的提示词
这套框架面向谁
- 对公众：帮助理解 AI 协作为什么不能停留在“会回答问题”这一层。
- 对潜在合作方：展示我们如何把多 AI 协作、治理、审计和长期演化放进同一套系统。
- 对我们自己：ARM 必须先管理好 ARM 自身，才能证明它值得被别人采用。
更完整的目标、愿景与架构说明见项目理念。