pro-workflow: 为 AI 编程智能体提供具有自动增长研究维基的持久化记忆与自我修正层

它解决了什么问题

Pro Workflow 解决了 Claude Code 和 Cursor 等 AI 编程助手常见的“记忆缺失”和重复修正循环问题。它通过提供一个持久且可搜索的记忆系统，防止用户在不同会话中不得不重复解释相同的规范或纠正相同的错误。

工作原理

该项目实现了一个单一的 SQLite 存储，作为 AI 会话底层的持久化层。它使用了几个关键机制：

• 自我修正记忆：将用户的修正记录为规则，并在每个新会话开始时自动加载。
• 知识平面：在磁盘上创建 FTS5 索引的研究维基，可以通过 BM25 检索或混合向量搜索进行查询。它包含一个自动研究循环，可以通过在 Web、arXiv 和 GitHub 来源上进行预算受限的 BFS (Breadth-First Search) 来自主扩展这些维基。
• 质量门禁：采用 LLM 驱动的钩子和确定性防护机制来扫描密钥、验证提交并管理上下文压缩。
• 跨智能体翻译：使用 SkillKit 将其技能套件和命令翻译成 32 种以上不同 AI 智能体的原生格式（包括 Cursor、Gemini CLI 和 OpenHands）。

适用人群

使用 AI 编程智能体（特别是 Claude Code、Cursor 等）并希望为项目构建长期知识库并消除重复提示词的开发者。

亮点

• 34 种技能与 22 条命令：一个全面的工具包，涵盖从 /develop（多阶段功能构建）到 /smart-commit（经过质量门禁的提交）的所有内容。
• 自动研究循环：一个可选的、预算受限的系统，可自主扩展研究维基。
• 多 LLM 议会：一个与提供商无关的决策系统，使用多个 LLM 来就高风险决策达成共识。
• 混合检索：结合 BM25 和向量 RRF，实现从内部维基的高效知识检索。
• 广泛的钩子系统：跨 24 个事件（例如 SessionStart、UserPromptSubmit）的 37 个脚本，用于自动化智能体行为。