pro-workflow: 자동 성장하는 리서치 위키를 갖춘 AI 코딩 에이전트를 위한 지속성 메모리 및 자기 수정 레이어

해결하는 문제

Pro Workflow는 Claude Code 및 Cursor와 같은 AI 코딩 어시스턴트에서 흔히 발생하는 "메모리 손실" 및 반복적인 수정 사이클 문제를 해결합니다. 내구성이 있고 검색 가능한 메모리 시스템을 제공함으로써 사용자가 서로 다른 세션에서 동일한 컨벤션을 설명하거나 동일한 실수를 반복해서 수정해야 하는 번거로움을 방지합니다.

작동 방식

이 프로젝트는 AI 세션 하단에서 지속성 레이어로 작동하는 단일 SQLite 저장소를 구현합니다. 다음과 같은 몇 가지 핵심 메커니즘을 사용합니다:

• 자기 수정 메모리 (Self-Correction Memory): 사용자의 수정을 규칙으로 캡처하여 모든 새로운 세션이 시작될 때 자동으로 로드합니다.
• 지식 평면 (Knowledge Plane): 디스크에 FTS5 인덱싱된 리서치 위키를 생성하며, 이는 BM25 검색 또는 하이브리드 벡터 검색을 통해 쿼리할 수 있습니다. 웹, arXiv, GitHub 소스를 대상으로 예산 제한이 있는 BFS (Breadth-First Search)를 사용하여 위키를 자율적으로 확장할 수 있는 자동 리서치 루프를 포함합니다.
• 품질 게이트 (Quality Gates): LLM 기반 훅(hook)과 결정론적 가드(guard)를 사용하여 비밀 정보를 스캔하고, 커밋을 검증하며, 컨텍스트 압축을 관리합니다.
• 에이전트 간 변환 (Cross-Agent Translation): SkillKit을 사용하여 일련의 기술(skills)과 명령어를 32개 이상의 서로 다른 AI 에이전트(Cursor, Gemini CLI, OpenHands 포함)의 네이티브 형식으로 변환합니다.

대상 사용자

프로젝트를 위한 장기적인 지식 베이스를 구축하고 반복적인 프롬프팅을 제거하고자 하는 AI 코딩 에이전트(특히 Claude Code, Cursor 등) 사용자(개발자).

주요 특징

• 34개의 기술(Skills) 및 22개의 명령어(Commands): /develop (다단계 기능 구축)부터 /smart-commit (품질 게이트가 적용된 커밋)까지 아우르는 포괄적인 툴킷.
• 자동 리서치 루프 (Auto-Research Loop): 선택 사항으로 제공되며, 예산 제한이 있는 시스템을 통해 리서치 위키를 자율적으로 확장합니다.
• 멀티 LLM 의회 (Multi-LLM Council): 공급자 중립적인 심의 시스템으로, 여러 LLM을 사용하여 중요한 결정에 대한 합의에 도달합니다.
• 하이브리드 검색 (Hybrid Retrieval): 내부 위키에서 효율적인 지식 검색을 위해 BM25와 벡터 RRF를 결합합니다.
• 광범위한 훅 시스템 (Extensive Hook System): 에이전트 동작을 자동화하기 위해 24개 이벤트(예: SessionStart, UserPromptSubmit)에 걸쳐 37개의 스크립트를 제공합니다.