Proma：重构专业工作流，让AI Agent成为你的第二大脑

Proma重构专业工作流让AI Agent成为你的第二大脑【免费下载链接】PromaProma brings a seamless general-purpose Agent experience to your workflow. Built for 100× professionals and the proactive Agent era, it supports Claude and Pi runtimes, Feishu group chats, and any LLM provider.项目地址: https://gitcode.com/gh_mirrors/pro/PromaAI Agent桌面应用、工作流自动化、本地优先——这三个关键词定义了Proma的核心价值。这不是另一个聊天机器人而是一个能理解复杂任务、自主执行、并与你日常工作深度集成的智能工作台。当传统AI工具还在解决简单问答时Proma已经将多模型协作和主动式Agent带到了专业用户的桌面上。痛点为什么现有AI工具无法满足专业需求我需要分析Q2用户反馈整理出优先级并生成具体的改进计划。当产品经理提出这个需求时传统AI工具会怎么做大概率是生成一个通用模板然后让你手动填充数据。但真实的工作场景需要读取和分析多个文件CSV反馈数据、产品文档、市场报告理解业务上下文产品阶段、用户画像、资源限制生成结构化输出优先级矩阵、具体行动项、时间线持续迭代优化基于反馈调整计划这正是Proma要解决的核心问题——将AI从简单的对话工具转变为能处理复杂工作流的智能协作者。解决方案三层次智能架构第一层Chat模式——日常工作的快速助手当你需要快速获取信息、解释概念或进行轻量讨论时Chat模式提供了最直接的交互方式。但Proma的Chat不止于此# 配置多模型渠道 设置 渠道 添加供应商支持OpenAI、Anthropic、Google等主流API以及任何兼容OpenAI协议的供应商。这意味着你可以根据任务需求灵活切换最适合的模型。实际场景技术文档撰写者需要为不同读者群体优化README。在Chat中输入需求AI会自动生成开源用户-团队负责人-贡献者三栏对比表并提供具体的优化建议。第二层Agent模式——复杂任务的自主执行者这是Proma的核心创新。Agent不仅仅是更聪明的Chat而是具备工作区隔离每个项目有独立的文件、配置和技能权限控制精细控制Agent能访问哪些文件、执行哪些操作长任务流式输出复杂任务实时展示进度避免长时间等待计划确认机制在执行前展示任务分解让你保持控制权// Agent运行时配置 const agentConfig { runtime: claude, // 或 pi workspace: product-analysis, permissions: [read-files, write-reports], skills: [feedback-synthesis, data-analysis] };技术实现Proma内置Claude Agent SDK和Pi Agent SDK两套运行时。Claude作为默认内核提供最稳定的Agent体验Pi则支持更多模型选择适合实验性场景。第三层Skills MCP——可扩展的能力生态真正的专业工作流需要定制化能力。Proma通过Skills和MCPModel Context Protocol实现了这一点Skills封装可复用的AI能力。例如feedback-synthesis将用户反馈、功能记录和Issue聚合为主题匹配优先级建议release-note-generator基于提交历史和Issue自动生成发布说明code-review-assistant分析代码变更提供质量评估MCP连接外部服务的桥梁。支持GitHub Issues集成飞书/Lark文档同步数据分析快照自定义服务器接入实施从零开始构建智能工作流第一步环境配置# 克隆项目 git clone https://gitcode.com/gh_mirrors/pro/Proma cd Proma # 安装依赖 bun install # 启动开发环境 bun run dev关键配置项渠道设置至少配置一个AI供应商Anthropic、OpenAI等工作区创建为不同项目建立独立工作区技能启用根据需求选择内置技能MCP连接集成外部数据源第二步典型工作流示例场景产品经理的季度反馈分析创建专属工作区# 工作区文件结构 ~/.proma/workspaces/product-analysis/ ├── config.json ├── skills/ │ └── feedback-synthesis.json └── files/ ├── Q2-feedback.csv └── launch-context.md配置Agent能力启用feedback-synthesis技能连接GitHub Issues MCP设置文件读取权限执行分析任务分析Q2用户反馈识别关键主题按优先级排序生成具体改进计划Agent会自动读取CSV文件提取反馈数据结合产品文档理解业务上下文生成结构化分析报告提供可执行的行动项第三步进阶集成远程机器人桥接将Proma Agent接入团队协作工具飞书/Lark机器人群聊中直接调用Agent钉钉集成企业内部工作流自动化微信桥接移动端快速访问本地优先存储所有数据默认存储在~/.proma/会话历史JSONL格式易于备份和迁移工作区配置独立的JSON配置文件附件文件本地存储隐私安全技术深度架构设计理念模块化设计packages/ ├── core/ # Provider适配器、SSE流式处理 ├── shared/ # 共享类型定义、工具函数 ├── session-core/ # 会话管理核心逻辑 └── ui/ # 共享React组件核心配置文件apps/electron/src/main/lib/config-paths.ts插件系统源码apps/electron/default-skills/API文档packages/shared/src/types/双运行时支持Claude Agent SDK默认内核稳定性最佳支持长上下文和复杂推理内置权限控制和计划确认Pi Agent SDK实验性功能支持更多模型灵活的运行时配置适合定制化需求语音输入创新无类型输入模式打破传统输入限制语音转文字在任意应用中通过语音调用Agent自动同步语音输入实时注入Proma输入框跨平台兼容独立窗口或主界面均可使用效果实际工作场景的提升效率提升指标任务类型传统方式耗时Proma Agent耗时效率提升反馈分析报告2-3小时15-20分钟85-90%文档优化1-2小时5-10分钟90-95%代码审查30-60分钟5-10分钟80-85%会议纪要整理45-60分钟2-5分钟90-95%质量改进一致性基于相同技能的分析结果保持一致可追溯性所有Agent操作都有完整日志可复用性技能和配置可跨项目共享可扩展性通过MCP轻松集成新数据源未来展望主动式Agent时代Proma正在向主动式Agent演进——不再等待用户指令而是基于上下文主动提供帮助。技术路线包括上下文感知理解当前工作状态和需求预测性建议基于历史行为预测下一步操作自动化工作流将重复任务完全自动化团队协作增强多Agent协同解决复杂问题开始你的智能工作流立即体验git clone https://gitcode.com/gh_mirrors/pro/Proma cd Proma bun install bun run dev关键配置建议从Chat模式开始熟悉基本交互创建第一个工作区配置必要的技能尝试简单的Agent任务如文档分析逐步集成外部数据源和团队协作工具技术支持详细文档tutorial/tutorial.md技术讨论项目Issue和讨论区商业支持专业版提供企业级功能Proma不仅仅是工具更是工作方式的变革。它将AI从辅助角色转变为真正的协作者让专业用户专注于创造性工作而将重复性、分析性任务交给智能Agent。在这个AI能力快速演进的时代拥有一个能理解你工作、适应你需求、并持续学习的智能伙伴将成为专业竞争力的核心差异。【免费下载链接】PromaProma brings a seamless general-purpose Agent experience to your workflow. Built for 100× professionals and the proactive Agent era, it supports Claude and Pi runtimes, Feishu group chats, and any LLM provider.项目地址: https://gitcode.com/gh_mirrors/pro/Proma创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考