一次寫 Code 出 6 平台：WSHobson Agent 生態拆解

2025 年下半年，AI coding assistant 嘅生態仲係「揀一個 harness，然後所有嘢都喺嗰個 harness 做晒」。Claude Code 嘅 plugin marketplace 剛剛開始有人留意，Codex CLI 仲係新嘢，Cursor 做自己嘅嘢，OpenCode 只係少數人用緊。去到 2026 年中，局面完全唔同——WSHobson/agents 用 37K stars 證明咗一件事：你唔使再喺 harness 之間做取捨，因為一個 adapter 框架可以將同一套 agent 生態系統語言翻譯成六個平台嘅原生格式，而每個平台攞到嘅係佢自己嘅「母語」，唔係最低公分母嘅劣化翻譯。

Adapter 唔係 Translator，係 Format Compiler

WSHobson/agents 最核心嘅設計決定唔係佢有 88 個 plugin、194 個 agent 或者 158 個 skill——數字可以靠 community 堆上去，architecture 先係真正嘅護城河。整個 repo 嘅根基係一個好簡單嘅 invariant：所有內容只喺 plugins/ 底下用 Markdown 寫一次，然後由 Python adapter 框架編譯成每個 harness 嘅原生格式。

呢個「編譯」嘅概念好重要。如果只係做 format translation——即係將 Claude Code 嘅 tools: YAML 直接抄去 OpenCode 嘅 permission: block——咁只係個字面轉換，遲早会甩漏。WSHobson 嘅 adapter 做嘅係語意編譯：Codex CLI 冇 slash command，所以 adapter 將 commands 轉譯成 skills；Codex 每條 skill 有 8 KB body cap，adapter 喺 generation time 就切好兼自動開 references/ overflow 目录；Gemini CLI 用 TOML 做 frontmatter，adapter 就成個 frontmatter rewrite。每個 adapter 係一個獨立嘅 compiler backend，各自 handle 自己 harness 嘅 idiosyncrasy，而 source code 永遠唔需要知道目標平台係乜。

呢種 pattern 喺 software engineering 歷史入面出現過好多次——LLVM 嘅 IR、React 嘅 Virtual DOM、Docker 嘅 container image——全部都係「一層中間表示，多個後端產出」。WSHobson 將呢個經典 pattern 帶入咗 agent 生態，而 timing 啱啱好。

從 Plugin Marketplace 到 Agent 作業系統

睇 WSHobson/agents 嘅成長軌跡好有意思。早期（2025 年中）佢只係 Claude Code 嘅 plugin marketplace，做嘅係畀人 /plugin install python-development 咁裝 agent。去到 2025 尾，OpenAI Codex CLI 同 Cursor 開始支援 agent/skill primitive，WSHobson 做咗個好聰明嘅 pivot：唔係開多個 repo 去 support 每個 platform，而係寫咗個 adapter framework 一次過解決。

呢個 pivot 嘅 timing 係關鍵。2026 年上半年，成個 AI coding 工具嘅格局由「幾大巨頭各自做自己嘢」變成「大家都支援 SKILL.md 同 subagent primitive」——Anthropic 嘅 SKILL.md spec 變成事實標準，OpenAI 嘅 Codex CLI 支援咗，Google 嘅 Gemini CLI April 2026 更新加入 subagent 支援，GitHub Copilot 都開始行 Markdown agent profiles。WSHobson 喺呢個標準化 moment 到之前就準備好 adapter framework，所以當個 ecosystem 嘅 primitive layer 成熟嘅時候，佢唔使追，而係第一個做到「one source, six outputs」。

對比之下，同期好多類似嘅 project 仲停留喺「for Claude Code only」或者「for Codex only」。VexJoy Agent 行嘅係另一條路——用 /do router 做 intelligent dispatch，44 個 domain agents + 125 個 skills，重點係 routing logic 而唔係 multi-harness portability。呢兩個 project 嘅對比好值得我哋思考：WSHobson 賭嘅係「標準化會來，而我喺標準化來之前準備好個 framework」；VexJoy 賭嘅係「routing 先係 bottleneck，portability 可以之後先搞」。以而家呢一刻睇，WSHobson 嘅策略令佢喺 GitHub 上獲得咗 far more traction，但 VexJoy 嘅 routing-first approach 其實解決咗另一個好真實嘅問題——skills 多咗之後點樣唔使記名就用到。

六個平台嘅取捨：唔係 all-or-nothing，而係 capability-aware

WSHobson 嘅 capability matrix（喺 docs/harnesses.md）係一份好值得 developer 細睇嘅文件。佢唔係話「六個平台都 support 晒」，而係清楚列出每個 harness 嘅強弱項——Claude Code 有 TodoWrite tool、有完整嘅 slash command marketplace；Codex CLI 冇 command 但可以將 command 轉 skill；Cursor 可以讀 .claude/ 底層 shared directory 但冇 agent-level tool allowlist；OpenCode 有 permission block 但 tool names 要 lowercased。

呢種 transparency 好重要。好多 multi-platform project 嘅 mistake 係扮每個 platform 都 support 晒所有功能，結果 developer 喺 platform A 寫咗 code 用 platform B 嘅 exclusive feature，到 migrate 先發現唔 work。WSHobson 嘅做法係將 capability matrix 寫入 architecture doc，每個 adapter 喺 generation time 就 detect 到有冇 incompatible feature 然後報 warning。呢個係 production-grade engineering 嘅思維，唔係 MVP 搏上市嘅思維。

另一個值得留意嘅細節係 gitignore 策略：generated artifacts 大部分 gitignored，得 registries 同 manifests 先 commit。呢個決定避免咗最常見嘅 generated-code 問題——人手 edit generated file -> regenerate 嗰陣 overwrite -> 啲人唔敢 regenerate -> 成個 system 爛咗。Source of truth 永遠只有一個，generated output 只係 cache。

對開發者嘅具體建議

如果你係獨立開發者或者細團隊負責人，WSHobson/agents 俾到嘅啟示有三個。

第一，唔好再揀 harness。2025 年你可能要諗「我用 Claude Code 定 Cursor 定 Codex」，2026 年中嘅答案係「全部都用」。用 WSHobson 嘅 pattern 將你嘅 agent/skill 用 portable Markdown 寫一次，然後每個 project 用最適合嗰個 task 嘅 harness 去開——architecture 用 Claude Code，rapid iteration 用 Codex，in-editor daily work 用 Cursor。唔使再局限自己。

第二，plugin 嘅粒度要夠細。WSHobson 嘅 88 個 plugin 平均每個得 3-4 個 components，唔係大包圍嘅 monolithic install。呢個做法唔單止減少 token 消耗，仲令你可以精準組合所需能力——要搞 Python backend 就裝 python-development + api-scaffolding，唔使成個 marketplace 嘅 agent 都 load 入 context。

第三，invest 喺 adapter 架構而唔係爭邊個 platform 最好。Platform 會變——Gemini CLI 啱啱轉咗去 Antigravity CLI，Codex CLI 嘅 spec 幾個月改一次——但一個好嘅 adapter abstraction 可以 absorb 呢啲變動而唔使你嘅 source content 要重寫。呢樣嘢同十年前「Docker 定 VM」嘅 debate 一樣：揀一個 abstraction layer 俾你 freedom 去轉 infrastructure，而唔係同一個 infrastructure 綁死。

WSHobson/agents 最令我興奮嘅唔係 37K stars，而係佢示範咗 AI agent 生態可以點樣由「碎片化」走向「標準化 + adapter 化」。六個 platform 嘅 artifact 由同一份 code 生成，每個 platform 攞到嘅係最自然嘅格式——呢個 vision，值得我哋每個做 developer tools 嘅人認真睇。