# 指南：在 roocline 中实施统一的 RIPER-5 高级工作流

本文档旨在详细阐述如何利用 **RIPER-5 + 多维度思维 + 代理执行协议 + 持久化记忆** 的高级项目工作流。

## 1. 统一模式的核心理念

与之前分离的模式不同，新工作流的核心思想是将所有模式统一管理。这套统一的模式库分为两类：

-   **流程模式 (RIPER-5)**: 定义项目生命周期的五个**宏观阶段**（研究、创新、计划、执行、审查）。它们负责设定当前阶段的总体目标和指导原则。
-   **专家模式 (Expert Roles)**: 提供在每个宏观阶段执行具体任务所需的**微观能力**和专业工具集（如 `文档编写者`、`安全审查员`、`通用代码施工规范` 等）。

这种“流程+专家”的组合，允许用户通过在两类模式间切换，实现结构化、高效率的复杂任务处理。

## 2. 统一工作流详解

以下是每个阶段的详细执行方案，展示了如何通过切换模式来整合不同的专家能力。
在每一个阶段 开始 都要调用 mcp 工具 `memory MCP` 进行**记忆唤醒** 
在每一个阶段结束 都要对产出和成果进行**持久化记忆存储**，调用 mcp 工具 `memory MCP` 的**存储 (Store)**功能，将关键信息结构化地存入知识图谱。

---

### **阶段一: 🔬 研究 (RESEARCH)**

**目标**: 快速形成对任务的全面理解，并与过往知识关联。

1.  **启动流程模式**: 用户输入 `/research`。
    -   **核心活动**: AI 进入“研究”阶段。其首要任务是调用 mcp 工具 `memory MCP` 进行**记忆唤醒**，回忆与当前任务相关的用户偏好、过往项目模式等。同时，AI 会以项目经理（PM）和产品经理（PDM）的思维视角，开始分析现有资料，明确核心需求与潜在风险。

2.  **切换至专家模式执行具体任务**:
    -   当需要深入分析代码时，用户切换至 `/project-research`。AI 将运用**项目研究**专家的能力，对代码库进行深度分析。
    -   当需要澄清需求时，用户切换至 `/user-story-creator`。AI 将扮演**用户故事创建者**，引导定义清晰的需求和验收标准。

**产出**: 一份包含**持久化记忆回顾**、**风险评估**和**需求分析**的综合报告，调用 mcp 工具 `memory MCP` 保存产出， 为下一阶段奠定基础。

---

### **阶段二: 💡 创新 (INNOVATE)**

**目标**: 基于研究成果和长期记忆，高效探索并提出个性化的解决方案。

1.  **启动流程模式**: 用户输入 `/innovate`。
    -   **核心活动**: AI 进入“创新”阶段。它会基于上一阶段的分析和从 调用 mcp 工具 `memory MCP` 中回忆起的用户偏好，生成多个候选方案。此时，AI 主要以架构师（AR）和首席开发（LD）的视角进行思考。

2.  **切换至专家模式执行具体任务**:
    -   在设计架构时，可以切换至 `/security-review`，让 **安全审查员** 对方案进行安全评估，确保安全“左移”。

**产出**: 2-3个候选解决方案，包含架构草图、技术栈建议和初步的安全评估，调用 mcp 工具 `memory MCP` 保存产出，为下一阶段奠定基础  。

---

### **阶段三: 📅 计划 (PLAN)**

**目标**: 将选定方案转化为极致详尽、可执行、可验证的技术规范和项目计划。

1.  **启动流程模式**: 用户输入 `/plan`。
    -   **核心活动**:  AI 进入“计划”阶段，其首要任务是调用 mcp 工具 `memory MCP` 进行**记忆唤醒**，将最终方案分解为详细的任务清单。

2.  **切换至专家模式执行具体任务**:
    -   用户切换至 `/GF`。AI 将运用**通用代码施工规范**专家的能力，创建一份标准化的施工方案文档，包含任务优先级、风险评估、里程碑等。
    -   用户可以切换至 `/jest-test-engineer`，让 **Jest 测试工程师** 预先规划详细的测试用例。

**产出**: 一份包含**最终架构图**、**API规范**、**详细任务清单 (施工蓝图)** 和**测试计划**的完整项目计划 调用 mcp 工具 `memory MCP` 保存产出。

---

### **阶段四: 🚀 执行 (EXECUTE)**

**目标**: 严格按照计划高质量地实施编码、测试和部署。

1.  **启动流程模式**: 用户输入 `/execute`。 
    -   **核心活动**: AI 进入“执行”阶段，其首要任务是调用 mcp 工具 `memory MCP` 进行**记忆唤醒**，根据计划清单，逐项执行开发任务。

2.  **切换至专家模式执行具体任务**:
    -   进行编码时，切换至 `code` 模式（通用核心模式）。
    -   需要部署时，切换至 `/devops`，由 **DevOps 工程师** 执行部署任务。
    -   需要编写文档时，切换至 `/documentation-writer`，由 **文档编写者** 撰写用户手册或API文档。

**产出**: 可运行的代码、通过的测试用例、成功的部署以及同步更新的文档 调用 mcp 工具 `memory MCP` 保存产出。

---

### **阶段五: ✅ 审查 (REVIEW)**

**目标**: 全面验证项目成果，并将本次任务的学习成果沉淀为长期记忆。

1.  **启动流程模式**: 用户输入 `/review`。
    -   **核心活动**: AI 进入“审查”阶段，对整个项目成果进行全面审查。

2.  **知识沉淀与记忆存储 (无需切换模式)**:
    -   **核心活动**: 这是此工作流的闭环。AI 在 `review` 模式的指令下，总结本次项目的核心成果、技术选型、遇到的问题及解决方案，以及任何新发现的用户偏好。
    -   **调用 mcp 工具 `memory MCP` **: AI 激活 mcp 工具 `memory MCP` 的**存储 (Store)**功能，将上述总结的关键信息结构化地存入知识图谱，以备未来任务调用。

**产出**: 一份包含**符合性评估**、**测试总结**、**安全评估**和**关键成果已存入持久化记忆**的最终审查报告。

## 3. 结论

我们构建了一个强大、灵活且高度结构化的工作流。这个系统不仅确保了项目各阶段的专业性和深度，更通过**持久化记忆**的闭环实现了跨项目的持续学习和改进，最终形成一个越来越懂你的高效AI助手。