开发者开源自研AI工作流：整合多模型与记忆架构打造高效开发体验

本文介绍了一位开发者自研的AI开发工作流项目“zhuge-workflow”。该项目虽然被作者自嘲为“缝合怪”，但有效整合了Trellis的记忆架构、OpenSpec的驱动开发模式以及CCG/CCB的多模型协作能力。通过利用Claude的规划能力、Gemini的界面设计以及Codex的精密性，该工作流成功实现了项目规则规范化与AI上下文的长期记忆管理。尽管目前存在Token消耗较大的缺点，但这种将开源工具深度定制化、通过多模型协作规避单一模型短板的思路，为解决AI开发中上下文易失控和流程碎片化问题提供了极具参考价值的实践方案。