该技能指导团队为代码库建立最基本的智能体层组件，以便开始 agentic 编码。适用场景包括：在新项目中启动 agentic 编码、为现有代码库添加智能体层、了解最低限度要求、快速启动智能体自动化。
核心思路是：最小可行的智能体层只需要 AI 开发者工作流目录、提示（prompts）和计划（plans）。最小结构为：specs/ 存放智能体计划；.claude/commands/ 存放 chore.md（chore 规划）与 implement.md（实现 HOP）；adws/ 存放 adw_modules/agent.py（核心执行）与 adw_chore_implement.py（网关脚本）。总计约 4-5 个文件即可引导。
实施步骤：一是创建目录，如 mkdir -p specs、mkdir -p .claude/commands、mkdir -p adws/adw_modules；二是创建 chore 模板，让智能体根据任务描述生成计划文件 specs/chore-{adw_id}-{name}.md，包含任务描述、待改文件、分步实现与验证标准；三是创建 implement HOP，读取计划文件并逐步实现，完成后用 git diff --stat 报告改动；四是创建 agent 模块，负责 Claude Code 子进程执行、请求/响应数据模型、输出文件处理与错误处理；五是创建网关脚本，接收 chore 描述，先执行 /chore 生成计划，再执行 /implement 执行计划并报告结果。
验证清单包括：specs/ 目录存在、.claude/commands/chore.md 存在、.claude/commands/implement.md 存在、adws/adw_modules/agent.py 存在、网关脚本可成功运行。时间投入参考：环境搭建约 2 小时，agent 模块约 2-4 小时，网关脚本约 1-2 小时，总计 5-8 小时完成 MVP。
后续扩展路径：第 2 周加 /bug 与 /feature 模板；第 3 周加 hooks 自动化；第 4 周加 triggers 调度；第 5 周加 worktree 隔离；第 6 周起加完整 SDLC 工作流。常见错误包括过度设计 MVP、跳过 agent.py 直接调用 claude、网关脚本缺少错误处理、输出文件组织不一致。资料未提供具体收费、平台限制与官方支持信息。