Aifp

🚀 AIFP：AI 函數式過程編程

AIFP 是一種與語言無關的編程範式，專為 AI 生成和維護的代碼庫而設計。它結合了純函數式編程原則、過程式執行模式、數據庫驅動的項目管理以及基於指令的 AI 指導，旨在優化 AI 與人類的協作。

🚀 快速開始

前提條件

• Python 3.11+（代碼中使用了類型提示語法，因此需要此版本）

安裝

方法 1：pip 安裝（推薦）

pip install aifp

此方法將安裝 MCP 服務器，並使 aifp 命令可用。AIFP 僅需要一個外部依賴（watchdog 用於文件系統監控），JSON-RPC 服務器本身是純 Python 標準庫。

方法 2：手動安裝（從 GitHub 下載）

1. 下載 倉庫（通過 zip 下載或 git clone）
2. 定位 src/aifp/ 文件夾，這是完整的 MCP 服務器包
3. 複製 aifp/ 文件夾到你存放 MCP 服務器的位置：

# 示例：複製到你的 MCP 服務器目錄
cp -r src/aifp/ ~/mcp-servers/aifp/

唯一的運行時依賴（watchdog）會自動安裝。aifp/ 文件夾包含服務器所需的所有內容：輔助函數、指令、數據庫模式和預填充的 aifp_core.db。

將系統提示添加到你的 AI 客戶端

此步驟是必需的。系統提示會告訴 AI 主動使用 AIFP 工具。如果沒有它，MCP 服務器只是一組被動工具，不會被調用。

在終端中打印系統提示，然後將其複製粘貼到你的 AI 客戶端：

python3 -m aifp --system-prompt

系統提示隨包一起提供，無需單獨的文件或下載。此方法適用於所有安裝方式（pip、虛擬環境、手動安裝）。

粘貼位置（取決於你的 AI 客戶端）：

配置你的 AI 客戶端

在你的 AI 客戶端配置中註冊 AIFP MCP 服務器。服務器使用 標準輸入輸出傳輸，它從標準輸入讀取 JSON-RPC 消息，並將響應寫入標準輸出。

Claude 桌面版

編輯 claude_desktop_config.json：

{
  "mcpServers": {
    "aifp": {
      "command": "python3",
      "args": ["-m", "aifp"],
      "env": {}
    }
  }
}

如果你使用 方法 2（手動安裝），將 aifp/ 文件夾的父目錄添加到 PYTHONPATH，以便 Python 可以找到它：

{
  "mcpServers": {
    "aifp": {
      "command": "python3",
      "args": ["-m", "aifp"],
      "env": {
        "PYTHONPATH": "/path/to/parent-of-aifp-folder"
      }
    }
  }
}

例如，如果你將 aifp/ 複製到 ~/mcp-servers/aifp/，則將 PYTHONPATH 設置為 ~/mcp-servers。

如果你安裝到 虛擬環境 中，使用虛擬環境的 Python 完整路徑，以便 Claude 桌面版使用正確的解釋器：

{
  "mcpServers": {
    "aifp": {
      "command": "/path/to/venv/bin/python3",
      "args": ["-m", "aifp"],
      "env": {}
    }
  }
}

Claude 代碼版

使用 claude mcp add 註冊服務器。在你希望 AIFP 管理的項目文件夾內運行此命令。

首先選擇作用域。AIFP 強制執行嚴格的函數式編程，並主動拒絕面向對象編程的代碼庫。如果你處理其他使用面向對象編程或不需要 AIFP 的項目，請避免使用 --scope user，因為它會在你打開的每個項目中啟用服務器。

pip 安裝（系統級）：

claude mcp add --transport stdio --scope project aifp -- python3 -m aifp

pip 安裝（虛擬環境） — 使用虛擬環境的 Python 路徑：

claude mcp add --transport stdio --scope project aifp -- /path/to/venv/bin/python3 -m aifp

單純的 python3 會解析為系統 Python，可能沒有安裝該包。使用虛擬環境解釋器的完整路徑，以便 MCP 服務器子進程找到安裝的包。

手動安裝或從源代碼運行 — 將 PYTHONPATH 設置為 aifp/ 文件夾的父目錄：

claude mcp add --transport stdio --scope project --env PYTHONPATH=/path/to/parent-of-aifp aifp -- python3 -m aifp

快速參考：

注意：所有標誌（--transport、--scope、--env）必須在服務器名稱之前。-- 用於分隔名稱和命令。在 Claude 代碼中使用 /mcp 驗證服務器是否已連接。

Claude 代碼版：預批准所有 AIFP 工具（可選）

Claude 代碼在首次調用每個新 MCP 工具時會提示你批准。由於有 207 個工具，這意味著會有 207 個批准提示。為了跳過此步驟，將預構建的權限文件複製到項目的 .claude/ 文件夾中：

# 如果項目根目錄中沒有 .claude/ 文件夾，則創建它
mkdir -p /path/to/your/project/.claude

# 複製權限文件
cp documentation/settings.local.json /path/to/your/project/.claude/

這會在項目的 .claude/ 文件夾中放置一個 settings.local.json 文件，該文件會預允許所有 AIFP 工具。Claude 代碼會自動讀取該文件，無需批准提示。

注意：該文件還包括 enableAllProjectMcpServers 和 enabledMcpjsonServers 設置，因此如果你在項目中有 .mcp.json 文件，AIFP 服務器會自動啟動。

其他 MCP 客戶端

服務器使用 標準輸入輸出傳輸。將你的客戶端指向 python3 -m aifp（或虛擬環境的 Python 完整路徑）。對於手動安裝，確保 PYTHONPATH 包含 aifp/ 文件夾的父目錄。無需 API 密鑰或身份驗證。

工作原理

服務器使用模型上下文協議通過標準輸入輸出進行通信。它相對於自身安裝位置解析 aifp_core.db（指令數據庫），無需環境變量。

連接後，AI 在每次交互時調用 aifp_run()（由系統提示引導）。項目狀態存儲在工作目錄的 .aifp-project/ 中，在初始化項目時會自動創建。

項目初始化

告訴你的 AI 助手：

"為我的項目初始化 AIFP"

AI 調用 aifp_init，在項目根目錄創建一個 .aifp-project/ 文件夾，其中包含用於項目狀態跟蹤、用戶偏好的數據庫和一個項目藍圖文檔。你無需與這些文件交互，MCP 服務器會自動管理它們。

✨ 主要特性

• 全面的 MCP 工具：為 4 個 SQLite 數據庫提供完整的 CRUD 操作，涵蓋項目管理、FP 指令、用戶偏好和自定義自動化指令。
• 純函數式強制：AI 默認編寫符合 FP 的代碼（純函數、不可變性、無 OOP）。
• 數據庫驅動的持久內存：項目狀態在會話間保持，無上下文丟失。
• 基於指令的工作流：採用確定性的主幹 → 分支 → 回退執行模式。
• 有限的完成路徑：項目有定義好的階段、里程碑和任務，工作朝著完成收斂。
• 兩種用例：常規軟件開發（用例 1）或自定義指令自動化（用例 2）。
• 用戶偏好學習：AI 通過每個指令的鍵值覆蓋適應編碼風格。
• Git 集成：基於 FP 的分支管理和衝突解決。
• 最小依賴：一個運行時包（watchdog），自定義 JSON-RPC 服務器僅使用標準庫。
• 成本意識設計：所有跟蹤/分析功能默認禁用。

📦 安裝指南

前提條件

• Python 3.11+（代碼中使用了類型提示語法，因此需要此版本）

安裝

方法 1：pip 安裝（推薦）

pip install aifp

此方法將安裝 MCP 服務器，並使 aifp 命令可用。AIFP 僅需要一個外部依賴（watchdog 用於文件系統監控），JSON-RPC 服務器本身是純 Python 標準庫。

方法 2：手動安裝（從 GitHub 下載）

1. 下載 倉庫（通過 zip 下載或 git clone）
2. 定位 src/aifp/ 文件夾，這是完整的 MCP 服務器包
3. 複製 aifp/ 文件夾到你存放 MCP 服務器的位置：

# 示例：複製到你的 MCP 服務器目錄
cp -r src/aifp/ ~/mcp-servers/aifp/

唯一的運行時依賴（watchdog）會自動安裝。aifp/ 文件夾包含服務器所需的所有內容：輔助函數、指令、數據庫模式和預填充的 aifp_core.db。

💻 使用示例

示例 1：項目初始化

用戶提示："幫我構建一個計算器"

工具調用：

1. aifp_run(is_new_session=true)
   → 返回：會話包（指令名稱、設置、項目狀態、支持性上下文）
   → 狀態顯示：.aifp-project/ 缺失 — 未初始化

2. aifp_init(project_root="/home/user/calculator")
   → 返回：{ success: true, message: "項目已初始化" }

發生的事情：

• AI 檢測到項目不存在，自動調用 aifp_init 輔助函數
• 創建 .aifp-project/ 目錄，包含 project.db、user_preferences.db 和 ProjectBlueprint.md
• 註冊項目元數據（名稱、根路徑、基礎設施）
• 插入默認用戶設置和備份配置
• AI 進入階段 2：與用戶討論項目形態（基礎設施、目的、目標）
• 路由到 project_discovery 進行協作規劃（主題、流程、完成路徑、里程碑）

示例 2：編寫符合 FP 的代碼

用戶提示："編寫一個 multiply_matrices 函數"

工具調用：

1. aifp_run(is_new_session=false)
   → 返回：輕量級指導

2. reserve_file(project_root="/home/user/calculator", name="matrix_operations", ...)
   → 返回：{ success: true, data: { id: 42 } }

3. reserve_function(project_root="/home/user/calculator", name="multiply_matrices", file_id=42, ...)
   → 返回：{ success: true, data: { id: 99 } }

   (AI 將符合 FP 的代碼寫入 src/matrix_operations_id_42.py)

4. finalize_file(project_root="/home/user/calculator", file_id=42, path="src/matrix_operations_id_42.py", ...)
   → 返回：{ success: true }

5. finalize_function(project_root="/home/user/calculator", function_id=99, line_start=5, line_end=25, ...)
   → 返回：{ success: true }

發生的事情：

• 在寫入之前，文件和函數在 project.db 中預留（ID 嵌入名稱中）
• AI 按照 FP 基線編寫純函數代碼（無 OOP、無突變、顯式參數）
• 文件和函數使用行號和元數據完成
• 項目數據庫現在跟蹤代碼結構，以便在未來會話中即時檢索

示例 3：恢復工作 / 檢查狀態

用戶提示："我們進展到哪裡了？" 或 "繼續工作"

工具調用：

1. aifp_run(is_new_session=false)
   → 返回：指導 + 常見起點

   (AI 從緩存上下文回答 — 除非上下文過期，否則無需額外的數據庫調用)

2. aifp_status(project_root="/home/user/calculator", type="detailed")
   → 返回：項目元數據、活動里程碑、當前任務、最近的筆記、警告

發生的事情：

• AI 展示當前里程碑、活動任務和下一步步驟
• 如果 project_continue_on_start=true，AI 自動開始下一個任務
• 無需重新解析源代碼 — 所有內容都在 project.db 中索引

📚 詳細文檔

指令參考

所有指令文檔隨包一起提供，位於 src/aifp/reference/directives/，共 129 個 MD 文件，涵蓋每個指令。每個文件包括：目的、應用時機、完整工作流（主幹 → 分支）、合規/不合規示例、邊緣情況、相關指令、使用的輔助函數和數據庫操作。

數據庫模式

模式 SQL 文件位於包中的 src/aifp/database/schemas/：

• aifp_core.sql — 全局只讀數據庫（指令、輔助函數、流程）
• project.sql — 每個項目的可變數據庫（文件、函數、任務、里程碑）
• user_preferences.sql — 每個項目的用戶自定義數據庫
• user_directives.sql — 每個項目的自動化指令（僅用例 2）

🔧 技術細節

核心原則

1. 函數式 - 過程式混合

# ✅ 符合 AIFP
def calculate_total(items: List[Item]) -> float:
    """純函數：確定性，無副作用"""
    return reduce(lambda acc, item: acc + item.price, items, 0.0)

# ❌ 不符合 AIFP
class Calculator:
    def __init__(self):
        self.total = 0  # 隱藏狀態

    def add_item(self, item):
        self.total += item.price  # 突變

2. 數據庫索引邏輯

每個函數、文件和依賴項都在 SQLite 中跟蹤。AI 通過輔助工具訪問這些數據，而不是原始 SQL：

AI 調用：get_functions_by_file(project_root, file_id)
→ 返回：該文件中的所有函數，包括名稱、用途、行號、依賴項

無需重新解析源代碼。跨會話即時檢索上下文。

3. AI 可讀代碼

• 扁平結構：無深層繼承層次結構
• 顯式依賴：所有參數顯式傳遞
• 純函數：相同輸入 → 相同輸出
• 元數據註釋：機器可讀的函數頭

4. 有限完成路徑

項目：MatrixCalculator
├── 完成路徑（3 個階段）
│   ├── 1. 設置（已完成）
│   ├── 2. 核心開發（進行中）
│   │   ├── 里程碑：矩陣運算
│   │   │   ├── 任務：實現乘法
│   │   │   ├── 任務：實現轉置
│   │   │   └── 任務：添加驗證
│   │   └── 里程碑：向量運算
│   └── 3. 最終確定（待完成）

5. 與語言無關

AIFP 適用於 Python、JavaScript、TypeScript、Rust、Go 等。FP 指令適應特定語言的語法，同時保持通用標準。

架構概述

┌─────────────────────────────────────────────────────┐
│            AI 助手（Claude、GPT - 4 等）            │
│  - 接收自然語言命令                                │
│  - 遵循指令（FP 基線 + 項目管理）                 │
│  - 調用 MCP 工具讀寫數據庫                        │
│  - 生成符合 FP 的代碼                              │
└────────────────────┬────────────────────────────────┘
                     │ MCP 協議（通過標準輸入輸出的 JSON - RPC）
┌────────────────────▼────────────────────────────────┐
│                 MCP 服務器                         │
│  - 通過 JSON - RPC 公開輔助工具                    │
│  - 管理四個數據庫連接                             │
│  - 為所有數據庫提供 CRUD 輔助函數                 │
│  - 無業務邏輯 — AI 做出所有決策                   │
└───┬────────────────────┬─────────────────────────┬──┘
    │                    │                         │
┌───▼──────────────┐ ┌───▼────────────────┐ ┌─────▼─────────────────┐ ┌──────▼────────────────┐
│  aifp_core.db    │ │  project.db        │ │  user_preferences.db  │ │  user_directives.db   │
│  (全局，只讀)    │ │  (每個項目，可變)  │ │  (每個項目，可變)    │ │  (每個項目，可選)     │
│                  │ │                    │ │                       │ │                       │
│ - FP 指令        │ │ - 項目元數據       │ │ - 指令偏好           │ │ - 用戶指令           │
│ - 項目管理       │ │ - 文件和函數       │ │ - 用戶設置           │ │ - 執行統計           │
│ - 用戶偏好       │ │ - 任務層次結構     │ │ - AI 學習日誌        │ │ - 依賴項             │
│ - 用戶系統       │ │ - 主題和流程       │ │ - 跟蹤功能           │ │ - 生成的代碼引用     │
│ - 輔助定義       │ │ - 完成路徑         │ │ (所有可選)           │ │ - 源文件跟蹤         │
│ - 指令流         │ │ - 運行時筆記       │ │                       │ │ (文件中的日誌)       │
└──────────────────┘ └────────────────────┘ └───────────────────────┘ └───────────────────────┘

數據庫架構

aifp_core.db（全局，只讀）

位置：在 MCP 服務器安裝目錄內（用戶定義的位置，在 AI 客戶端中配置）

目的：包含所有 AIFP 標準、指令和輔助定義的不可變知識庫。

關鍵表：

• directives：所有 FP、項目和用戶偏好指令（工作流、關鍵字、閾值）
• helper_functions：數據庫、文件、Git 和 FP 實用程序，組織在多個註冊表文件中
• directive_helpers：多對多關聯表，將指令映射到其輔助函數，幷包含執行元數據
• directives_interactions：跨指令關係和依賴項
• categories：指令分組（純度、不可變性、任務管理等）
• tools：MCP 工具定義

輔助 - 指令關係（v1.4 新增）：

• 一個指令可以使用多個輔助函數，一個輔助函數可以為多個指令服務
• 關聯表存儲：執行上下文、順序、參數映射
• 實現靈活的輔助函數重用和清晰的執行流程
• 在 aifp_core.db 的 directive_helpers 關聯表中定義

輔助函數分類：

• 工具：所有輔助函數都作為 MCP 工具公開（AI 通過 MCP 直接調用）
• 子輔助函數 (is_sub_helper = TRUE)：僅由其他輔助函數調用的內部實用程序（不向 AI 公開）

輔助函數註冊表（開發階段）：

• 開發期間，輔助函數定義保存在 docs/helpers/json/*.json 中
• 開發人員修改 JSON 文件，完成後導入數據庫
• 每個輔助函數包括 used_by_directives 字段用於關係映射
• 數據庫導入腳本在發佈前從 JSON 文件填充 aifp_core.db
• 生產環境：用戶查詢 aifp_core.db（預填充），而不是 JSON 文件
• JSON 文件是僅用於開發的臨時區域，不會隨包一起發佈

只讀原則：此數據庫在部署後進行版本控制且不可變。AI 從中讀取但從不修改。

project.db（每個項目，可變）

位置：<project - root>/.aifp - project/project.db

目的：單個 AIFP 項目的持久狀態。跟蹤代碼結構、任務和運行時筆記。

關鍵表：

• project：高級元數據（名稱、目的、目標、狀態、用戶指令狀態、最後已知的 Git 哈希）
• files、functions、interactions：代碼結構跟蹤
• themes、flows：組織分組
• completion_path、milestones、tasks、subtasks、sidequests：分層路線圖
• notes：帶有可選指令上下文的運行時日誌（源、嚴重性、指令名稱）
• types：代數數據類型（ADTs）
• infrastructure：項目設置（語言、包、測試）
• work_branches：Git 協作元數據（用戶、目的、合併策略）
• merge_history：基於 FP 的合併衝突解決審計跟蹤

用戶指令集成：project.user_directives_status 字段跟蹤用戶指令是否初始化（NULL/進行中/活動/禁用），允許 aifp_run 和 aifp_status 指令在活動時包含用戶指令上下文。

增強的筆記：notes 表現在包括 source（用戶/AI/指令）、directive_name（可選上下文）和 severity（信息/警告/錯誤），以提高可追溯性。

user_preferences.db（每個項目，可變）

位置：<project - root>/.aifp - project/user_preferences.db

目的：用戶特定的 AI 行為自定義和可選跟蹤功能。

關鍵表：

• directive_preferences：每個指令的行為覆蓋（原子鍵值結構）
• user_settings：項目範圍的 AI 行為設置
• tracking_settings：可選跟蹤的功能標誌（默認全部禁用）
• ai_interaction_log：用戶更正和學習數據（可選）
• fp_flow_tracking：FP 合規歷史（可選）
• issue_reports：上下文相關的錯誤報告（可選）

成本管理原則：所有跟蹤功能默認禁用，以最小化 API 令牌使用。項目工作應具有成本效益；調試和分析是可選的。

用戶自定義示例：

-- 用戶說："始終添加文檔字符串"
INSERT INTO directive_preferences (directive_name, preference_key, preference_value)
VALUES ('project_file_write', 'always_add_docstrings', 'true');

-- 下次文件寫入將自動包含文檔字符串

user_directives.db（每個項目，可選）

位置：<project - root>/.aifp - project/user_directives.db

目的：存儲用戶定義的特定領域指令，用於自動化（家庭自動化、雲基礎設施等）。當此數據庫存在時，AIFP 項目專門用於構建和管理從這些指令生成的自動化代碼庫。

此數據庫僅存在於 用例 2：自定義指令自動化 項目中。在常規軟件開發項目中，不會創建此數據庫。

關鍵表：

• user_directives：指令定義（觸發器、操作、狀態、驗證配置）
• directive_executions：執行統計（僅摘要，詳細日誌在文件中）
• directive_dependencies：所需的包、API、環境變量
• directive_implementations：將指令鏈接到生成的代碼文件
• helper_functions：AI 生成的輔助函數（特定項目的實現實用程序）
• directive_helpers：多對多關聯表，將用戶指令映射到其輔助函數
• source_files：跟蹤用戶指令源文件（YAML/JSON/TXT）
• logging_config：基於文件的日誌配置

輔助函數（v1.0 新增）：

• AI 為用戶指令生成特定項目的輔助函數
• 跟蹤實現狀態：未實現 → 生成 → 測試 → 批准
• 對所有生成的代碼強制執行 FP 合規性（純函數）
• 與 aifp_core.db 採用相同的多對多關係模式

基於文件的日誌記錄原則：數據庫僅存儲狀態和統計信息。詳細的執行日誌（30 天保留）和錯誤日誌（90 天保留）存儲在 .aifp - project/logs/ 的輪轉文件中。

目錄結構比較：

# 用例 1：常規軟件開發
my - web - app/
├── src/                    # 你的應用程序代碼
├── tests/                  # 你的測試
└── .aifp - project/        # AIFP 跟蹤你的應用程序
    ├── project.db
    └── user_preferences.db

# 用例 2：自定義指令自動化
home - automation/
├── directives/             # ← 用戶在此編寫指令文件
│   ├── lights.yaml
│   └── security.yaml
├── src/                    # ← AIFP 生成此代碼
│   ├── lights_controller.py
│   └── security_monitor.py
├── tests/                  # ← AIFP 生成測試
└── .aifp - project/        # ← 僅由 AI 管理，用戶從不觸碰
    ├── project.db          # 跟蹤生成的 src/ 代碼
    ├── user_preferences.db
    ├── user_directives.db  # 引用 ../directives/ 文件
    └── logs/               # 30/90 天執行日誌

示例工作流（自動化項目）：

1. 用戶在項目中創建 directives/lights.yaml
2. 用戶告訴 AI："解析我在 directives/lights.yaml 的指令文件"
3. AI 通過交互式問答解析並驗證
4. AI 在 src/ 中生成符合 FP 的實現代碼
5. AI 在 project.db 中跟蹤生成的代碼（文件、函數、任務）
6. 指令通過後臺服務即時執行
7. 執行日誌記錄到 .aifp - project/logs/，統計信息記錄到數據庫

注意：用戶指令文件保留在用戶項目中。.aifp - project/ 是 AI 管理的元數據。

工作原理

1. AIFP MCP 網關模式

aifp_run 命令作為 網關和提醒，而不是執行器。它告訴 AI 應該應用 AIFP 指令。

每次 aifp_run 調用返回：

{
  "success": true,
  "message": "AIFP MCP 可用",
  "guidance": {
    "directive_access": "從會話包中緩存指令名稱。需要時按名稱查詢特定指令。",
    "when_to_use": "在編碼或需要項目管理操作/響應時使用 AIFP 指令。",
    "assumption": "除非用戶明確拒絕，否則始終假設 AIFP 適用。"
  }
}

MCP 服務器為所有數據庫操作公開 CRUD 輔助函數 — 跟蹤文件、函數、任務、項目狀態、用戶偏好和（對於用例 2）自動化指令。AI 在運行時從數據庫中發現可用的輔助函數。

AI 決策流程：

1. 用戶在請求前加上 aifp run（或 AI 假設）
2. AI 調用 aifp_run 工具 → 接收指導
3. AI 評估：這是編碼還是項目管理？
4. 如果是：檢查指令是否在內存中
   • 沒有指令？ → 調用 get_all_directives()
   • 有指令？ → 應用適當的指令
5. 如果不是：不使用指令進行響應

2. 命令流程示例

用戶："幫我構建一個計算器"

AI 處理：

1. 調用 aifp_run(is_new_session=true) → 接收會話包（指令名稱、項目狀態、設置、支持性上下文）
2. 從包中檢查項目狀態：.aifp - project/ 缺失 → 項目未初始化
3. 調用 aifp_init 輔助函數（階段 1：機械設置）
   • 以編程方式創建 .aifp - project/ 目錄、數據庫、藍圖模板
4. 進入階段 2（智能填充）：檢測語言/工具，與用戶討論項目
5. 路由到 project_discovery：與用戶協作確定藍圖、主題、流程、完成路徑、里程碑
6. 發現完成 → 路由到 aifp_status → project_progression → 創建第一個任務
7. 開始工作

3. 自我評估框架

在行動之前，AI 使用指令提供的問題進行自我評估：

核心問題：

1. 這是否涉及編碼或項目狀態更改？

   • 編碼和項目管理是統一的 — 編寫代碼會自動觸發文件跟蹤、數據庫更新和任務進度
   • FP 基線始終作為強制編碼風格處於活動狀態
   • 項目指令處理跟蹤方面（文件寫入、數據庫更新、任務管理）

2. 我是否在內存中有指令？

   • 否：通過 aifp_run(is_new_session=true) 從會話包中加載
   • 是：使用緩存的指令繼續

3. 哪些指令適用？

   • FP 基線：強制編碼風格（純函數、不可變性、無 OOP） — 自然應用，不作為指令調用
   • FP 指令：僅作為參考文檔 — 在不確定複雜場景時查閱
   • 項目指令：文件寫入、數據庫更新、任務管理

4. 是否需要行動 - 反應？

   • 代碼寫入 → project_file_write 指令 → 數據庫更新
   • 文件編輯 → 數據庫同步
   • 帶有決策的討論 → 數據庫更新

示例流程（編碼任務）：

用戶："編寫 multiply_matrices 函數"
AI 思考：
  ✓ FP 基線適用（編寫純、不可變、無 OOP 的代碼）
  ✓ 項目跟蹤適用（`project_file_write` 指令）
  ✓ 我在內存中有指令

AI 執行：
  1. 自然地編寫遵循 FP 基線的函數
  2. 應用 `project_file_write` 指令
  3. 更新 `project.db`（文件、函數、交互）

4. 指令執行

指令遵循 主幹 → 分支 → 回退 模式：

{
  "trunk": "analyze_function",
  "branches": [
    {"if": "pure_function", "then": "mark_compliant"},
    {"if": "mutation_detected", "then": "refactor_to_pure"},
    {"if": "low_confidence", "then": "prompt_user"},
    {"fallback": "prompt_user"}
  ]
}

項目生命週期

graph TD
    A[aifp_init] --> B[project_discovery]
    B --> C[project_progression]
    C --> D[project_file_write]
    D --> E[project_update_db]
    E --> F{所有項目完成？}
    F -->|否| D
    F -->|是| G[project_task_complete]
    G --> H{所有任務完成？}
    H -->|否| C
    H -->|是| I[project_milestone_complete]
    I --> J{所有里程碑完成？}
    J -->|否| C
    J -->|是| K[project_completion_check]
    K --> L[project_archive]

📄 許可證

本項目採用 MIT 許可證，詳情請見 LICENSE。