TokenRollAI/llmdoc

解決的問題

llmdoc 為 AI 編程助手（特別是 Claude Code 和 Codex）提供一種結構化、文件驅動的工作流程，以維持專案文件的最新狀態。透過自動建立並同步 AI 自身可讀取與更新的文件骨架，防止 AI 遺失上下文或依賴過時資訊。

作動方式

此系統使用專用的 llmdoc/ 目錄儲存專案知識。透過兩個主要指令運作：

• /llmdoc:init：分析倉儲，建立包含架構、概觀與參考文件的文件骨架，並同步全域索引。
• /llmdoc:update：使用 git 提交歷史（水印）偵測自上次同步以來的變更。根據變更的規模與風險，自動選擇 fast、analysis 或 full 更新模式，以更新相關文件並記錄工作流程的反思。

透過生命週期系統管理上下文，區分「冷啟動」（載入核心技能與必要套件）與「緊湊重入」（使用狀態物件恢復任務，避免重新載入全部內容）。

適用對象

使用 Claude Code 或 Codex 的開發者，希望其 AI 助手能擁有持久、結構化的專案架構與實作意圖記憶，而無需手動撰寫每次文件更新。

特色亮點

• 基於提交的同步：透過水印（sync.md）追蹤變更，確保僅執行必要更新。
• 自適應更新模式：根據變更的風險與作者自動選擇 fast、analysis 或 full 更新路徑。
• 編碼化文件佈局：將知識組織為特定類別，如 must/（冷啟動上下文）、architecture/ 和 memory/（反思與決策）。
• 上下文預算管理：實作決定性代理（例如 24 KiB）以防止大型單體專案中上下文視窗溢出。
• 整合的代理角色：利用專用內部代理（調查者、工作者、記錄者、反思者）收集證據並維護穩定文件。