Как перестать объяснять нейросети одно и то же

Знакомая ситуация: вы открываете новую сессию с Claude или Cursor, и начинается «день сурка». Снова просите не использовать моки в тестах, напоминаете про архитектурные соглашения проекта или объясняете, как именно в вашей команде принято именовать переменные. Через полчаса контекст забивается, модель начинает «галлюцинировать», и вы ловите себя на мысли, что проще было написать код самому.

Я наткнулся на репозиторий pro-workflow, который пытается решить эту проблему фундаментально. Автор проекта, Rohit G, по сути, подложил под AI-агентов базу данных SQLite, которая служит «долговременной памятью».

В чем главная идея

Обычно общение с AI-кодинг-ассистентами эфемерно. Каждая новая вкладка — это чистый лист. Pro Workflow меняет правила игры: он сохраняет ваши правки, предпочтения и результаты исследований в локальную базу.

Когда вы исправляете Claude в пятидесятый раз, инструмент предлагает создать правило. В следующей сессии это правило загрузится автоматически. Чем дольше вы работаете с проектом, тем меньше «тупит» нейросеть, потому что у неё под рукой появляется актуальный контекст вашей кодовой базы.

Что умеет этот комбайн

Внутри проекта зашито 34 навыка и 8 специализированных агентов. Но если отбросить маркетинговую шелуху, реально полезными кажутся три вещи.

Самокорректирующаяся память

Это база. Инструмент отслеживает ваши исправления через хуки. Если вы сказали «не используй библиотеку X, мы перешли на Y», это попадает в SQLite. При следующем запуске сессии плагин просканирует базу и напомнит модели о принятом решении. В README утверждается, что после 50 сессий количество правок стремится к нулю. Звучит оптимистично, но даже сокращение рутины вдвое — уже победа.

Локальные вики-страницы

Представьте, что у вас есть база знаний, которая живет прямо в репозитории или в домашней папке. Вы можете запустить команду /wiki research, задать бюджет (например, 50 центов) и отправить агента изучать сложную тему. Он прочешет GitHub, arXiv и документацию, соберет выжимку и сохранит её в Markdown с индексацией по FTS5 (полнотекстовый поиск SQLite).

В следующей итерации, когда вы спросите что-то по этой теме, система сама подтянет топ-3 релевантных куска из вашей локальной вики.

Умные хуки и «совет ботов»

Инструмент умеет запускать проверку кода перед коммитом через LLM-хуки. Но интереснее фича /wiki council. Это когда три разные модели (например, Claude, GPT-4o и какая-нибудь Llama через OpenRouter) обсуждают ваше архитектурное решение. Результат дискуссии сохраняется как страница в базе знаний. Это помогает избежать «замыленного глаза» одной конкретной модели.

Как это устроено технически

Архитектура проекта довольно прозрачна, хоть и перегружена терминами. В центре всего — SQLite.

https://raw.githubusercontent.com/rohitg00/pro-workflow/main/assets/architecture.svg

Весь процесс строится по цепочке: Команда → Агент → Навык.

• SQLite хранит сессии, правила обучения, вики-страницы и эмбеддинги.
• Хуки (их тут 37 видов) срабатывают на события вроде SessionStart или FileChanged.
• SkillKit позволяет пробрасывать эти возможности не только в Claude Code, но и в Cursor, Windsurf и еще три десятка агентов.

Интересная деталь: автор добавил «аварийную кнопку». Если вы запустили автоматическое исследование и поняли, что агент тратит деньги впустую, достаточно создать файл ~/.pro-workflow/STOP, и все процессы мгновенно умрут.

Практический сценарий использования

Допустим, вы заходите в огромный незнакомый проект. Вместо того чтобы мучить Claude вопросами «а где тут логика авторизации», вы делаете:

1. /wiki init auth-flow — создаете базу знаний.
2. /wiki research auth-flow --budget-usd 0.30 — отправляете агента почитать код и доки.
3. Через пару минут у вас есть локальный индекс, по которому можно искать.

Когда вы начнете писать код, плагин через UserPromptSubmit сам вбросит в контекст Claude нужные куски из этой вики, как только вы упомянете слово «token» или «login».

Стоит ли ставить

Проект выглядит как швейцарский нож для тех, кто живет в терминале и плотно использует Claude Code.

Кому точно зайдет:

• Разработчикам на больших энтерпрайз-проектах, где контекст не влезает ни в одно окно.
• Тем, кто устал от однотипных галлюцинаций AI.
• Любителям автоматизировать всё, до чего дотянутся руки.

Минусы тоже есть:

• Настройка может занять время. README предлагает несколько способов установки, и «ручной» путь с копированием шаблонов выглядит надежнее, чем магические скрипты.
• Нужно следить за расходами на токены, если вы часто используете авто-исследования.
• Документация местами избыточна, приходится продираться через описания 34 разных навыков, часть из которых дублирует друг друга.

В целом, pro-workflow — это попытка превратить AI из «умного попугая» в полноценного напарника, который помнит, о чем вы договорились вчера. Если вы чувствуете, что тратите слишком много времени на «менеджмент контекста», этот инструмент определенно стоит того, чтобы потратить на него вечер.

https://raw.githubusercontent.com/rohitg00/pro-workflow/main/assets/self-correction-demo.svg

Для старта достаточно выполнить:

/plugin marketplace add rohitg00/pro-workflow
/plugin install pro-workflow@pro-workflow

Или воспользоваться npx skillkit, если вы предпочитаете Cursor.