Proma

Proma 采用 Pi Agent 作为内核，经过我们的精心设计，提供稳定丝滑的 Agent 体验，这是基础中的基础。

Proma 同一个项目里的所有会话会共享项目文件，每个会话又拥有各自的会话文件。项目文件是项目的长期上下文，也是项目最终产物和真正价值的所在之处；而会话文件用于存放单个会话产生的临时产出，两者互不干涉。在你需要让 Agent 读取的时候引用它们，保证上下文的干净。

在 Proma 中可以随时一键查看和编辑 Skills。Proma 认为真正好用的 Skills 不是自媒体宣传的炫酷功能，而是能帮你切实优化甚至代替日常工作流的提示词集合。这样一个提示词之所以有巨大的价值，就是因为它是和你磨合多次之后越来越丝滑的工作流程，因此能够触手可及地编辑 Skills 非常必要。

Proma 刻意采用无全局 Skills/MCP 的设计，每个项目独立拥有自己的 Skills，不让 Agent 初始提示词被各种无关的说明淹没，把 tokens 和 Agent 的注意力用在刀刃上。

随时关闭和打开一个 Skill，来决定是否把它的信息作为初始提示词发给 Agent，把 Agent 的注意力留给最核心的任务。

Proma 的项目记忆功能里面包含着你最重要的项目偏好、工作习惯和踩坑经验，是让 Agent 更懂你的基础，也应该是你在 Agent 时代最重要的一类个人资产。和 Skills/MCP 一样，Proma 的记忆也是每个项目独立拥有的。Proma 鼓励用户多阅读和修改自己的项目记忆，让你对 Agent 的产出有更精细的把控。

Proma 也支持随时一键让 Agent 扫描你的项目会话，并给出一些更新项目记忆的建议，帮助你洞察自己没想到过的工作习惯。

作为 AI Native 软件，Proma 的许多元素都可以在对话里被引用，包括但不限于 Skills、定时任务、Todo、Obsidian Vault、Agent 会话切片和整个会话等。用 @ # / ~ & 等字符在输入框里引用 Proma 里的信息，让它们成为你上下文的一部分。

当你需要并行做深度研究，提高效率和信息密度时，或者对抗性检查等，Proma 的子会话都是更好的选择，你甚至可以并行查看主会话和子会话。子会话比传统的 Subagent 有更干净的上下文，可以持续迭代和交互的环境，拥有更自由的模型选择和更好的性能。你可以一键打开许多不同模型的子会话针对同一问题进行探索，也可以让几个子会话从不同的方向挑战你的假设，这都是子会话带来的可能性。

是探索，而不是分叉。在 Agent 输出结束后点击探索按钮，探索允许你利用前序上下文的同时可以创建无限多个分叉，你可以并行利用上下文，满足一切你的研究需求或者好奇心。之所以是探索而不是分叉，当你完成这些研究后，点击探索右上角的带回到主会话按钮，可以让所有的探索都回到主线继续，这样你将会获得到更优质的主会话上下文，无需担心自己拿捏不定的判断或边缘的问题影响到主会话的上下文。

不同于网页抓取，浏览器给了 Agent 见你所见的能力。了解并利用好你的工作流中浏览器所占的角色，会为你的工作流锦上添花。Agent 可以帮你填表，搜索和抓取社交软件的内容，帮你回复小红书消息、发推特，等等等等。发挥想象力，Agent 甚至可以和网页里的 Agent 聊天 —— 浏览器极大地拓宽了 Agent 的能力边界。

无论是日常写作还是制作属于自己的知识库，插件多、适配广的 Obsidian 已经成为了 AI 时代的基础设施。Proma 积极地把 Obsidian Vault 嵌入 Proma 并带入丝滑的 Markdown 编辑器，希望用户可以在 Proma 内延续 Obsidian 带给你的创作热情。

随时在和 Agent 的对话里融入你的待办和日程，让和 Agent 确立的事项无缝成为日常工作流的一部分，并随时在面板上查看你的待办。你可以编写一整套 Skills，在工作的每一个流程中去更新 Todo 的状态，定时巡检你的服务器和收件箱，等等等等。所有的定时任务均可以由 Agent 来为你创建和迭代，越是日程的工作，越有可能会成为定时任务，发挥想象力，自动化你的工作吧。

在 Proma 诞生两个月后，Proma 的开发者就开始用 Proma 开发 Proma 了。我们为代码编写的场景也做了许多的适配：有清晰的文件改动 diff、内置终端，以及即将到来的文件编辑功能。