pro-workflow：為 AI 程式編寫代理提供持久記憶與自我校正層，並具備自動成長的研究維基

它解決了什麼問題

Pro Workflow 針對 Claude Code、Cursor 等 AI 程式編寫助理常見的「記憶遺失」與重複校正循環問題。它透過耐用且可搜尋的記憶系統，避免使用者在不同會話中必須一再說明相同的慣例或修正相同的錯誤。

它如何運作

此專案實作了一個單一的 SQLite 儲存庫，作為 AI 會話之下的持久層。它使用了多項關鍵機制：

• 自我校正記憶：將使用者的校正以規則形式捕捉，並在每個新會話開始時自動載入。
• 知識層：在磁碟上建立 FTS5 索引的研究維基，可透過 BM25 檢索或混合向量搜尋查詢。它包含一個自動研究迴圈，能以受預算限制的 BFS（廣度優先搜尋）在網路、arXiv 與 GitHub 資源上自主擴充這些維基。
• 品質門檻：使用 LLM 驅動的鉤子與確定性守衛，掃描機密資訊、驗證提交、管理上下文壓縮。
• 跨代理翻譯：利用 SkillKit 將其技能與指令套件翻譯成超過 32 種不同 AI 代理（包括 Cursor、Gemini CLI、OpenHands）的原生格式。

目標使用者

使用 AI 程式編寫代理（特別是 Claude Code、Cursor 等）的開發者，想為其專案建立長期知識庫，並消除重複提示的需求。

重點特色

• 34 項技能 & 22 個指令：提供從 /develop（多階段功能開發）到 /smart-commit（品質門檻提交）的完整工具箱。
• 自動研究迴圈：可選擇的、受預算限制的系統，能自主擴展研究維基。
• 多 LLM 委員會：與供應商無關的審議系統，使用多個 LLM 針對高風險決策達成共識。
• 混合檢索：結合 BM25 與向量 RRF，從內部維基高效取得知識。
• 廣泛的鉤子系統：涵蓋 24 種事件的 37 個腳本（例如 SessionStart、UserPromptSubmit），自動化代理行為。