面向 AI 软件开发的 spec-driven 工作区
Skaro 将里程碑、任务、阶段和进度保存在代码旁边的 .skaro 中。对于每个任务，你都可以看到状态、当前阶段以及相关工件。
架构决策会以 ADR 的形式记录，并带有独立状态。这能避免关键决定只散落在聊天记录或口头讨论中。
你可以为任务运行 verify 命令和实现检查。结果会单独保存，以区分执行、验证和人工确认。
任务完成后，可以运行项目级审查：检查必需工件、任务状态和全局 verify 命令，然后根据发现的问题启动修复循环。
仪表板中提供 status、diff、stage、unstage、commit、push 和分支切换。AI 循环产生的改动可以立即整理并提交。
用两条命令开始
skaro init 会在项目中创建 .skaro/ 结构，然后 skaro ui 启动本地 web dashboard。
工件与工作阶段
Skaro 在仓库之上增加了一层工件和受控阶段：从项目规则和架构，到任务、测试以及最终审查。
Git 集成
可直接在仪表板中查看改动、检查 diff、stage 文件、commit、push，并处理分支。
状态与 token usage
跟踪项目状态、任务进度，以及按阶段、任务、模型和角色统计的 token usage。
AI 聊天与修复循环
架构、项目、任务和 feature planning 都有上下文相关的 AI 聊天。任务和整个项目也有单独的修复模式。
Skills 与执行环境
可以接入与技术栈相关的 skills，并配置 verify 命令的执行位置：host、Docker Compose service，或 command prefix。
不同角色使用不同模型
Skaro 允许把不同模型分配给 architect、coder 和 reviewer，以拆分架构、实现和验证工作。
Architect
用于架构、devplan、feature planning 和项目导入分析。
Coder
用于任务实现和修复循环，适合需要快速、直接落到代码中的工作。
Reviewer
用于 clarify、检查以及其他更依赖提问、验证和质量控制的阶段。
常见技术栈的 constitution 预设
Skaro 提供常见 frontend、backend 和 mobile 技术栈的现成 constitution 模板。你可以把它们作为起点，再根据项目进行调整。