ChristopherKahler/paul

解决的问题

PAUL 解决了 AI 辅助开发中的「上下文腐化」问题，即长时间会话导致质量下降、计划孤立和状态漂移。它通过强制执行结构化开发循环，并优先使用会话内上下文而非多个子代理，防止了调试 AI 输出而非交付功能的常见问题。

工作原理

PAUL 实现了 计划-应用-统一（PAU）循环，将 AI 开发转变为一个有纪律的过程：

• 计划：创建包含具体目标、边界和 BDD 风格验收标准（Given/When/Then）的可执行计划。根据任务规模（快速修复、标准、复杂）调整仪式化程度。
• 应用：通过「执行/验证」循环执行任务，每个任务在继续前都独立验证是否符合规范。使用细微的升级状态（如 DONE_WITH_CONCERNS、BLOCKED）来揭示不确定性。
• 统一：强制性的收尾步骤，将计划与实际结果对齐，更新项目状态，并将决策记录在 SUMMARY.md 文件中。

PAUL 通过 .paul/ 目录管理状态，其中包含 PROJECT.md、ROADMAP.md 和 STATE.md，确保会话间的连续性。它还可以与 BASE v2 集成，将项目状态转换为可查询的知识图谱。

适用人群

使用 AI（特别是 Claude Code）交付软件、营销活动、自动化工作流或其他结构化执行项目的开发者。

特色亮点

• 验收驱动开发：在任何工作开始前，通过第一级验收标准强制定义「完成」状态。
• 会话内上下文：最小化子代理泛滥，以保持更高实现质量并降低 token 成本。
• 诊断性失败路由：将失败分类为意图、规范或代码问题，防止在计划本身有缺陷时修补代码。
• 状态持久化：使用专用状态管理系统，消除恢复工作时的决策疲劳。
• 全面的命令集：提供 26 个专用斜杠命令，涵盖从研究与发现到里程碑跟踪的所有环节。