agentspace 创建项目需三步：先安装 agent-workspace cli（go 1.21+ 必备），再在根目录建 .aw.yaml 文件，最后配置 name 和 environment.type（docker/venv/system 三选一），执行 aw start 启动。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Agent Space怎么创建项目
在AI开发中，频繁切换不同模型API、Git分支、Docker环境和终端布局会严重打断工作流，agent-workspace正是为解决这一问题而生——它通过YAML配置文件一键启动隔离、可复现的工作空间，让你从“找环境”回归“写逻辑”。
第一步：确保已安装 agent-workspace CLI 工具。若未安装，需先执行 go install github.com/agent-workspace/aw@latest；该命令依赖本地 Go 环境，【Go 1.21+ 是硬性前提】，低于此版本将无法编译二进制文件。
第二步：在项目根目录下新建 .aw.yaml 配置文件。文件名必须为 .aw.yaml 且位于工作区顶层，否则 aw 命令无法识别；命名错误或路径错位会导致“no config found”报错且无明确提示。
第三步：在 .aw.yaml 中定义基础结构。最简配置只需包含 name 和 environment 两个字段，例如：
name: claude-api-debug<br>environment:<br> type: docker<br> image: python:3.11-slim
这一步操作起来很简单，直接把文件拖进去就行。但注意：environment.type 必须显式声明为 docker、venv 或 system 之一，不可留空或拼写错误（如写成 “Docker” 或 “dockr”），否则启动时会静默失败并回退到系统默认 Python 环境，导致依赖缺失却无报错信息。
Claude-Obsidian 风格个人知识库构建与自动整理。当用户提到以下任何场景时激活： 知识库、笔记整理、自动双向链接、Obsidian、第二大脑、卡片笔记、原子化笔记、 个人知识管理、PKM、Zettelkasten、卢曼笔记法、笔记原子化、笔记链接、 知识图谱笔记、raw/wiki/output三层、知...
AI项目工作空间创建与管理方法
一个典型的AI项目工作空间需同时协调代码隔离、模型访问、终端布局与状态持久化，agent-workspace 通过组合构建块实现这一目标。
方法一：纯本地虚拟环境（适合轻量调试）
① 在 .aw.yaml 中设置 environment.type: venv；
② 添加 environment.requirements: requirements.txt 指向依赖文件；
③ 启动时自动创建独立 venv 并 pip install -r，避免污染全局 Python。
方法二：Docker + Git worktree（推荐用于模型API多版本验证）
在 environment 下嵌套 worktree 配置：worktree:<br> branch: api-v4-test<br> path: ./worktrees/api-v4
该配置会在启动时自动创建新 worktree 分支，【不触碰当前 HEAD，彻底隔离代码修改】，避免误提交或污染主开发分支。
方法三：Zellij 终端会话预布局（提升多进程协作效率）
添加 launch 块：launch:<br> - type: zellij<br> layout: |<br> session: claude-debug<br> tabs:<br> - name: logs<br> panes: [tail -f debug.log]<br> - name: shell<br> panes: [bash]
Zellij 会话在首次启动时自动创建，后续 aw start 会复用同一 session 名称，保持窗口布局连续性；若手动关闭 Zellij 但未退出 session，再次启动仍会接入原布局，无需重新排列窗格。
最后，在终端中执行 aw start claude-api-debug 即可加载全部配置并进入预设环境。
