我最近把 Doramagic 的一个内部工具单独整理成了公开仓库https://github.com/tangweigang-jpg/doramagic-ai-context-pack-benchmark它解决的不是“让 AI 多读一点代码”而是另一个更具体的问题在 AI 接手一个 repo 之前先把哪些信息能说、哪些信息不能说、哪些判断需要证据、哪些风险必须先停下来编译成一组可检查的上下文资产。这个项目的边界很窄也正因为窄才有用。它不安装目标项目不模拟运行不声称验证业务正确性。Repomix 只负责把源码打包Doramagic 负责上层的 schema、渲染、验证和面向使用者的契约。我把它理解成“安装前的 AI 交接包”不是“项目万能总结器”。它会为一个项目生成这些东西- CLAIM_GRAPH.json把主张和证据拆开避免把 README 里的愿望当事实。- EVIDENCE_INDEX.json保留证据片段和源路径方便回查。- CAPABILITY_CONTRACT.json把可用能力写成受证据约束的内部契约。- AI_CONTEXT_PACK.md给宿主 AI 读取的上下文包。- CONTINUE_CHECK.md继续前判断卡回答“现在该不该继续”。- PROMPT_PREVIEW.md安装前先试一次的消费端提示词。- HOST_CONSUMPTION_REPORT.json检查宿主 AI 是否拿到了足够结构。- validation_report.json 和 human_ai_consistency_report.json做 schema、证据和 Human Manual 一致性检查。这里有一个关键取舍压缩噪声不压缩会影响判断的上下文。很多 repo 摘要工具会把问题做成“更短的概述”。但 AI 真正容易出错的地方往往不是上下文太长而是上下文没有结构边界不清、证据没挂钩、风险卡缺失、提示词没有可复用入口。结果就是 AI 很快给出方案但方案跨过了它不该跨的线。所以这个 benchmark 的输出里保留了任务路由、角色/Skill 索引、prompt recipe、证据片段、边界说明、风险卡和 Continue Check。它不是为了显得完整而是为了让下游 AI 少做“看起来合理但没证据”的跳跃。这次公开发布前我做了几项硬检查- 创建前确认目标 GitHub repo 不存在避免覆盖旧项目。- 扫描 staging 目录排除真实 API key、PAT、PEM private key 和 .env。- 排除 runtime artifacts、私有操作状态、缓存和本地环境文件。- Python 单元/语法检查通过AI Context Pack 部分 41 个测试通过。我觉得这个方向对 AI 工程会越来越重要。以后不是把更多文件塞进上下文窗口而是先定义“什么事实可以被消费、什么结论需要证据、什么操作必须先停”。上下文工程如果没有验证层很容易变成更贵的复制粘贴。项目地址https://github.com/tangweigang-jpg/doramagic-ai-context-pack-benchmark标签AI Agent, 上下文工程, Developer Tools, Doramagic, Repomix, Evidence Graph, Prompt Engineering, AI 工程