用途：Archon Manager 是 Archon MCP 的战略层技能，与 ai-dev-standards 的技能层配合，前者决定“做什么、何时做”，后者指导“如何做好”。适用项目设置、任务管理、知识检索、跨会话上下文保持与多 AI 助手协同。
主要能力：以项目—特性—任务分层组织工作，按 P0（关键）、P1（高价值）、P2（可选）排优先级；支持任务创建、AI 辅助任务拆解、状态跟踪与下一步任务获取；知识层提供基于向量嵌入的 RAG 查询、代码示例检索、网页爬取（站点地图检测、智能抓取）、PDF 分块处理与来源标签/分类/版本管理；并可通过 Socket.IO 获得任务状态与知识库变更的实时更新；提供项目指标、速度与燃尽数据。
使用方式：需 Docker Desktop（运行中）、Node.js 18+、Supabase 账号或本地实例、LLM API Key（OpenAI、Gemini 或 Ollama）。安装：git clone https://github.com/coleam00/Archon.git，cd Archon，cp .env.example .env 后填写 SUPABASE_URL、SUPABASE_ANON_KEY、SUPABASE_SERVICE_ROLE_KEY 与 OPENAI_API_KEY（或 GEMINI_API_KEY、OLLAMA_URL），在 Supabase SQL Editor 执行 database/migrations/ 迁移，然后 docker compose up --build -d。服务地址：前端 http://localhost:3737、API http://localhost:8181、MCP http://localhost:8051。在助手 MCP 配置中注册 archon 命令与 ARCHON_API_URL 后，即可调用 create_project、create_feature、create_task、get_next_task、update_task、perform_rag_query、search_code_examples、crawl_website、add_document、get_project_metrics 等工具。
典型流程：先建项目与特性，拆解任务，搭建知识库；再用 RAG 结果与技能指导实现，完成质量校验后更新状态并取下一个任务。
限制：资料未提供官方定价、许可与具体性能数据；知识质量依赖所选 LLM 与嵌入模型；需自行维护 Supabase 与 Docker 环境。