agentic-os 为项目工作区建立一层框架无关的智能体操作系统（Agentic OS），使 Claude、Gemini、Antigravity 等不同运行时能够共享持久运行记忆、通过任务队列协同，并借助结构化反馈循环持续改进。
用途与核心理念：解决智能体的“空白起点”问题。若不使用，每次会话都从零开始，需手动加载上下文并重复过往错误。通过把状态与经验集中到 .agent/ 目录，任一智能体运行时都能从上一次结束处继续，并应用积累的知识。
初始化：在新项目中运行 bash ~/.agents/skills/agentic-os/scripts/init-os.sh，会在项目根目录创建以下结构： .agent/ state/（last-run.json、tasks.json、errors.json、status.md） learnings/（template.json） evals/（template.json）
主要能力与使用方式：
- 任务前：读取状态与经验。查看 .agent/state/last-run.json 了解最近完成情况；必要时从 tasks.json 拉取任务；执行特定技能（如 write-draft）前检查 .agent/learnings/<skill>.json 并显式应用其中 rule_change；检查 .agent/evals/<skill>.json 了解“完成”的定义。
- 执行与评估（经验循环）：输出后按 eval.json 标准自评（可用 python3 ~/.agents/skills/agentic-os/scripts/eval.py list --skill <skill>）；未通过则修订；通过后用 eval.py verify --skill <skill> --task-id <id> --notes "..." 记录。
- 任务后：写入状态与经验。用 python3 ~/.agents/skills/agentic-os/scripts/learn.py add --skill <skill> --worked "..." --didnt "..." --rule "..." 记录经验；覆盖 last-run.json；在 tasks.json 中标记完成；如执行部署或 API 调用等外部操作，在 last-run.json 的 external_receipts 数组及对应任务中记录收据或哈希，形成审计痕迹。
- 跨智能体记忆统一：项目关键事实不要只保存在各智能体私有记忆中（如 Claude 的 .claude/ 或 Gemini 的 MEMORY.md），应写入共享位置：特定技能规则写入 .agent/learnings/，团队级架构约定、仓库规则或广泛项目指引写入 GEMINI.md 或 CLAUDE.md。
数据模式：last-run.json 记录时间戳、任务 id、状态、描述、技能、项目/智能体/用户 id、结果、trace_id、决策日志与外部收据；errors.json 记录未解决失败（原因、回溯、是否解决）；learnings.json 按技能记录历史经验与规则变更；eval.json 按技能定义硬性质量标准。
适用场景：多智能体协作、需跨会话语境延续、需审计轨迹与自我改进循环的项目。限制：资料未提供支持的运行时版本、兼容性细节、性能或成本信息，暂未提供。