pro-workflow (rohitg00/pro-workflow)
Overview
pro-workflow é um framework de workflow profissional para agents de coding que adiciona memória auto-corretiva + knowledge plane persistente sobre uma única store SQLite. Criado por rohitg00 (mesmo autor de LLM Wiki v2 e agentmemory), promete que “corrige o Claude uma vez — ele nunca repete o erro” e que wikis de pesquisa crescem sozinhas via loop de auto-research.
Key Facts
- Posicionamento: “Claude Code learns from your corrections: self-correcting memory that compounds over 50+ sessions. Context engineering, parallel worktrees, agent teams, and 41 battle-tested skills” — 2.8k⭐ / 278 forks / 86 commits (2026-09-02)
- Store única:
~/.pro-workflow/data.dbguardalearnings,sessions,wikis,wiki_pages(+FTS5),wiki_sources,wiki_claims,wiki_seeds,wiki_embeddings,learnings_wiki; wikis em~/.pro-workflow/wikis/<slug>/(global) ou<project>/.claude/wikis/<slug>/(projeto, commitável) - Self-correction loop: correção →
/learn-rule→ regra FTS5 →SessionStartcarrega learnings + lista wikis;UserPromptSubmitinjeta top-3 hits do índice quando o prompt menciona tópico indexado; após 50 sessões, taxa de correção perto de zero - Knowledge plane (v3.3):
wiki-builder(9 flavors: research, paper, domain, product, person, organization, project, codebase, incident),wiki-query(BM25 com snippets),wiki-research-loop(BFS com budget, fetchers web/arXiv/GitHub + custom, kill-switchtouch ~/.pro-workflow/STOP), hybrid retrieval BM25+vector+RRF opcional (/wiki embedcomOPENAI_API_KEY/VOYAGE_API_KEY) - Comandos do dia a dia (5 que cobrem 80%):
/learn-rule,/wrap-up,/wiki init,/develop(Research→Plan→Implement com gates),/smart-commit - Escala: 41 skills, 8 agents (planner, reviewer, scout, orchestrator, debugger, context-engineer, permission-analyst, cost-analyst), 23 commands, 37 hook scripts em 24 eventos (
SessionStart,SessionEnd,UserPromptSubmit,PreToolUse,PostToolUse,Stop,PreCompact,PostCompact,SubagentStart/Stop,TaskCreated/Completed,PermissionRequest/Denied,FileChanged,ConfigChange, etc.) - Cross-agent:
npx skills add rohitg00/pro-workflowinstala em 32+ agents (Claude Code nativo via/plugin, mais Cursor, Codex, Gemini CLI, OpenCode, Copilot CLI, Droid, etc.) — mesmo MCP setup em todos
Relationships
- “created” rohitg00 — criado por Rohit G, mesmo autor de LLM Wiki v2 e agentmemory
- “extends” llm-wiki — estende o pattern LLM Wiki com wikis persistentes + FTS5 + auto-research loop sobre a mesma store
- “uses” context-engineering — implementa Write/Select/Compress/Isolate, compaction-aware state (
pre-compact/post-compactsalvam e re-injetam contexto crítico) - “differs-from” superpowers — memória que compõe (SQLite) vs disciplina imposta por pipeline obrigatório; pro-workflow persiste aprendizado, Superpowers garante processo por sessão
- “differs-from” matt-pocock-skills — store persistente + hooks automáticos vs toolset composável manual; pro-workflow auto-carrega, Pocock deixa o humano decidir quando invocar
Implications
Isso importa porque ataca o wall que todo usuário de Claude Code atinge: correções repetidas, contexto que compacta e some, pesquisa que se repete por não ter onde persistir. Ao colocar SQLite+FTS5 sob todas as sessões e plugar wikis no mesmo store, o framework troca “ephemeral context” por “compound memory” — o ganho é cumulativo (50 sessões), não linear. Para este vault, é referência direta de como raw/→wiki/ poderia ganhar FTS5 shadow index e auto-injeção por tópico, e de como learn-rule wiki-scoped poderia reduzir correções repetidas.
Open Questions
- A contagem de skills oscila entre 41 (tour) e 34 na tabela comparativa — qual é canônica e o que explica a diferença?
- Qual o custo real do auto-research loop (budget USD, embeddings) em wikis >100 páginas? O README cita
WIKI_LOOP_BUDGET_USDmas sem benchmark de convergência. - Como o FTS5 shadow index se comporta vs o
hybrid_query_helper.pydeste vault em vaults >200 páginas? Há métrica de recall/latência comparável?