Show HN: 一个SQLite图表，记录AI生成代码的原因
该项目是一个小型SQLite图表参考架构，用于保存AI编码代理生成的代码背后的工程原因，包括需求、决策、测试、证据等，旨在解决AI编码中工程上下文丢失的问题。
AI编码代理（如GitHub Copilot和Claude Code）能够快速生成代码，但这些代码背后的工程理由往往在会话之间丢失。ai-vprocess-ops仓库引入了一种新颖的方法：一个基于SQLite的图表，用于捕获AI生成代码的“原因”。它存储需求、设计决策、跟踪候选、测试结果、证据、未解决问题、政策触发、标准参考以及ALM系统的交接理由。该方法被设计为ALM之前的决策支持层，而不是替代人类工程判断或正式合规工具。
该仓库提供了一个依赖自由的可执行Python原型，通过SQLite演示了完整的操作路径。原型包括以下模块：vprocess_graph.py用于构建图内存，import_reverse_engineering.py用于授权逆向工程导入，policy_match.py支持单一条件和AND条件活动策略，impact_query.py使用递归SQLite CTE进行影响分析，llm_recommend.py构建受限的图上下文并可选调用本地Ollama，decision_lifecycle.py记录决策状态（已接受、已拒绝、草稿、需审查）及审查者、理由和时间戳，alm_handoff_export.py导出已接受决策的Markdown或JSON，export_review_report.py从图生成确定性Markdown报告，mcp_readonly_stub.py暴露JSON-RPC风格的只读图工具，以及benchmarks/run_sample_regression.py验证虚构样本场景。快速启动只需三个命令即可创建演示图、生成LLM审查提示并运行回归检查。
该项目特别适用于长期使用AI代理的工程师、需要恢复生成代码原因的Vibe编码者，以及审查AI生成拉取请求的审查者。创建者强调，其有用的主张是狭窄的：AI辅助工程需要一个持久的“原因”图表，而不仅仅是更快的“是什么”生成。
仓库的布局包括AGENTS.md（AI代理操作说明）、docs/（概念、架构、操作模型、提示示例等19份文档）、schema/（最小SQLite模式）、examples/（虚构输入和确定性输出）、prototype/（Python原型）、tests/（单元测试）、tools/（安全性和输出检查）、benchmarks/（回归检查）、templates/empty_environment/（可复制的项目工作区）。文档涵盖了从概念到设计思维分解规则的各个方面。质量门禁不仅包括本地测试，还通过GitHub Actions执行Python编译检查、单元测试、样本输出同步检查、Ruff、Bandit、CodeQL等。公共门禁拒绝常见的发布事故，如提交的SQLite数据库、私钥材料、令牌字符串等。发布前必须运行AGENTS.md中的所有命令。
该项目的主要受众是：使用AI编码代理进行长期项目的工程师、需要恢复生成代码原因的Vibe编码者、审查AI生成拉取请求的审查者、准备进入正式ALM系统的团队，以及构建本地优先代理记忆、MCP风格工具、上下文工程和可追溯性工具的开发人员。其核心主张是：AI辅助工程需要持久的“原因”图表，而不仅仅是更快的“是什么”生成。
总之，ai-vprocess-ops通过基于SQLite的图表演示了如何在AI辅助开发中保留工程上下文，并提供了可扩展的参考实现，帮助团队改善AI生成代码的可追溯性和工程记忆。