m0n0x41d/haft

解決的問題

Haft 為 AI 編碼代理提供了一個本地治理層，確保專案記憶持久且結構化。它防止關鍵專案背景（例如正在解決的問題、比較過的選項、人類決策與支援證據）在暫時性聊天記錄中遺失。透過將暫時性推理轉化為類型化的專案記錄，確保後續工作依賴於經過驗證、版本化的資訊，而非碎片化的對話。

如何運作

Haft 作為人類、代理與程式碼倉儲之間的中介。它實作 First Principles Framework (FPF) — 一種嚴謹的系統性思維架構，並透過三個主要介面將 FPF 提供給代理的上下文：

• 技能：專門的代理能力（例如 /h-frame, /h-decide），引導代理完成特定推理流程。
• CLI：對專案記憶、決策與規格的直接手動存取。
• MCP 伺服器：Model Context Protocol 伺服器，提供程式化存取，並強制執行「核心門控」——伺服器端對必要欄位與權限邊界的驗證，以確保 FPF 合規性。

系統使用本地 SQLite 資料庫儲存元件圖與專案記錄，並可選地使用 Rust 編寫的側車程式（haft-embed）實現語意召回。

適用對象

使用 AI 編碼代理（如 Claude Code、Codex、Cursor 或 Zed）並需要一種嚴謹、經人類授權的方式來管理專案規格、決策記錄與長期架構記憶的軟體工程師與架構師。

主要亮點

• 可依賴的記憶：將聊天推理轉化為可長期依賴的類型化專案記錄。
• 核心門控：伺服器端強制執行推理流程，防止代理跳過關鍵步驟或做出未經授權的決策。
• 原生來源 FPF 傳遞：向代理提供帶有來源證明的版本化 FPF 原始資料，而非通用提示。
• 明確的人類授權：確保具約束力的決策與工作委派必須經由人類批准，代理負責框架建構與準備工作。
• 證據衰減追蹤：追蹤支援決策的證據何時過期，提示漂移供人類審查。
• 主機整合：與 Claude Code、Codex、Cursor 等多種 AI 編碼工具深度整合。