（3440期）Oneshot Ship – AI 一键编码流水线 · PR 自动交付

AI 一键编码流水线 · PR 自动交付 一键 AI 编码流水线：自动规划、执行、审查并提交 PR，支持 SSH 远程或本地运行，集成 Codex/Claude 双模型智能路由 使用说明 核心用法 oneshot-ship 是一个 agentic 软件工作流运行时，将完整的编码流水线压缩为单行命令：oneshot <repo> "<task>"。它通过 SSH 连接远程服务器或在本地 --local 模式运行，自动完成验证 → 工作树隔离 → 智能路由 → 规划 → 执行 → PR 起草 → 审查 → 定稿的八阶段流程。 关键特性： 自适应路由：routing.enabled: true 时，系统根据任务复杂度自动选择 Codex 或 Claude，并调整推理强度（fast/deep 模式） 双模运行：默认 SSH 远程执行（配置 host），或 --local 本地运行无需服务端配置 工作流预设：内置 ship、review、fix-ci、research、docs、swarm-review 等场景模板 完整可观测性：每轮运行生成 JSONL 事件流，支持 oneshot status、oneshot eval、oneshot runs 追溯与复盘 典型场景： 开发者口述需求，AI 自动完成从代码编写到 PR 合并的全流程 CI 失败自动修复（--workflow fix-ci） Linear 工单直接转代码实现（oneshot <repo> <linear-url>） 显著优点 端到端自动化：将 plan/implement/review/PR 四个传统手动环节无缝衔接，显著缩短交付周期 智能降级与恢复：执行超时保留部分变更继续流水线；审查发现问题直接修复而非仅标注 隔离安全：git worktree 机制确保主干分支零污染，失败时可人工介入恢复 深度可配置：从模型选择（gpt-5.5/opus）、推理强度（medium/xhigh）到分阶段超时均可微调 生态集成：原生支持 GitHub CLI、Linear 项目管理，MCP 协议暴露工具供外部 Agent 调用 潜在缺点与局限性 依赖链复杂：需同时安装 Bun、GitHub CLI、Codex CLI 或 Claude Code CLI，任一工具版本不兼容即阻断流程 SSH 单点配置：远程模式依赖 ~/.oneshot/config.json 的 host 配置，多服务器场景管理成本上升 审查盲区：deepReview 虽 exhaustive，但仍受限于当前 LLM 对复杂业务逻辑的深层理解能力 成本不可控：xhigh 推理强度 + 多阶段调用可能导致单任务 API 费用显著高于直接编码 网络与密钥风险：远程执行需传输 API key 到服务器，配置不当存在泄露面 适合人群 全栈开发者/技术负责人：希望将 60% 以上的常规编码任务委托给 AI Agent 平台工程团队：需要标准化团队内的 AI 辅助开发流程 开源维护者：处理大量同质化 issue 和文档更新 非云原生限制：不愿或无法使用 GitHub Copilot Workspace 等 SaaS 方案，偏好自托管工具链的团队 常规风险 代码质量回归：自动生成的 PR 可能引入 subtle bug，过度依赖会削弱团队 code review 文化 机密泄露：任务描述或代码上下文可能意外携带敏感信息上传至 OpenAI/Anthropic API 权限越界：若 .oneshot/policy.json 配置不当，AI 可能修改本应保护的路径（如基础设施配置） 供应商锁定：深度集成 Codex/Claude 特性，未来迁移成本较高 运行持久化风险：--bg 后台任务若未监控，可能持续消耗资源或产生意外账单 原始说明 Ship code with oneshot CLI. One command that plans, executes, reviews, and opens a PR. Runs over SSH or locally. Use when the user wants to ship code changes...