@double-codeing/flow2spec

Flow2Spec — 让 AI 一直知道你在做什么

解决 Cursor / Claude Code 的「失忆症」——用一个命令初始化，让 AI 跨会话记住项目上下文，不用每轮重新交代。

🌐 English · 中 / EN

🎬 在线演示(中文) | English Demo（13 页 HTML PPT，← → 翻页，S 演讲者模式）

🔧 快速体验：

npx @double-codeing/flow2spec@latest init

Before / After

同样一句话，两段对话：

> 改一下评价模板文案库的批量重评分

没有 Flow2Spec：

AI: 这个模块的表在哪？
AI: batchReScore 是同步还是异步？
AI: 有没有锁？幂等键是什么？
AI: 返回格式是什么？错误码是多少？
AI: （翻遍 416 个接口、796 份文件、4.7 MB 源码…）

反复介绍 · 反复翻代码 · 反复踩坑

有 Flow2Spec：

[matcher 命中] m-product-review-template-library
[加载依赖] 4 个 topic · 约 300 行
AI: 已知 — fire-and-forget
     Redis 锁 smp:product-review:template-library:batch-rescore:lock（TTL 10 分钟）
     单次最多 100 条 · 错误码 101
AI: 开始改，预计 3 处文件。

4.7 MB → 300 行 · 秒级定位到硬约束

Flow2Spec 做三件事

① 跨设备会话记住项目上下文
.Knowledge/ 结构化知识库：路由清单（manifest-routing.json）+ 关键词索引（matchers）+ 主题分片（topics）。AI 启动时只读该读的。

② 路由清单让 AI 不翻仓库，只拿该拿的
每次需求命中 1~4 个 topic，约 300 行。业务的硬约束——锁的 key、错误码、上限——都在 topic 里，AI 不用从源码猜。

③ f2s- 技能改代码顺手更新知识*
/f2s-kb-feat 写功能时同步写 topic，/f2s-kb-fix 修 bug 时更正 topic， /f2s-git-commit 提交前检查 topic 覆盖。改代码就是记知识，没有"单独维护文档"这件事。

上手成本

最小可用集是一个空骨架。

npx @double-codeing/flow2spec@latest init

1 分钟生成目录结构 + 路由配置，空的，直接跑。下次需求命中哪块，写哪块，不提前建设。

真实仓库跑了三个月的数据：

指标	数值
对外接口数	416
源码体积	796 文件 / 4.7 MB / ~10 万行
Flow2Spec 每次加载	≈ 300 行（噪声切掉 99%）

什么时候别用

• 一次性脚本 — 写完就删的东西，直接丢几个 Markdown 给 AI 更快
• 单人小项目 — 一份 CLAUDE.md 就够，路由和分片的开销大于收益
• 团队不愿同步 .Knowledge/ — 工具不能替代纪律

详细文档

中文

• 使用说明 — 技能链、配置详解
• 命令说明 — 所有 f2s-* 命令速查
• 目录与路径约定
• 体系与原理
• 使用案例·模拟对话
• 设计说明

English

• Usage Guide
• Commands Reference
• Directory Conventions
• Architecture & Principles
• Usage Scenarios
• Design Principles

协议

MIT. Copyright © 2026 兰涛