0.flow

Stateful IDE with Local Intelligence

The AI coding assistant that remembers your project, understands your intent, and routes decisions before the LLM even sees your prompt.

Architecture · How It Works · Comparison · Status

---

The Problem

Every AI coding tool today is stateless. You open a chat, explain context, get help, close the chat — and everything is lost. Next time you start from scratch.

• No memory between sessions
• No understanding of your project structure
• No role specialization
• Same expensive model for "hello" and "refactor the auth module"
• Full system prompt loaded for every request regardless of intent

The Solution

0.flow combines two layers that no other tool has:

┌─────────────────────────────────────────────────────┐
│  Layer 1: Local Intent (0ms, per-request)           │
│  ─────────────────────────────────────────────────  │
│  • Classifies intent BEFORE sending to LLM          │
│  • Routes to optimal model (cost-aware)             │
│  • Selects context level (200 / 700 / 2000 tokens)  │
│  • Picks tools, role, reasoning mode                │
│  • Keyword: 0ms | Local LLM: 300ms | API: 500ms     │
└─────────────────────────────────────────────────────┘
         │
         ▼
┌─────────────────────────────────────────────────────┐
│  Layer 2: Persistent Memory (cross-session)         │
│  ─────────────────────────────────────────────────  │
│  • Sessions with structured context (L1/L2/L3)      │
│  • Roles & competencies (22 roles, 6-7 each)        │
│  • Decision history (append-only log)               │
│  • Orchestrators, child sessions, cross-project     │
│  • Semantic search across all history (5ms)         │
└─────────────────────────────────────────────────────┘

Analogy: Layer 1 is the cerebellum (instant reflexes). Layer 2 is long-term memory. Together — an agent that grows with your project.

How It Works

User: "continue what we did yesterday"

  Intent (0ms): action=session_mgmt, target=last_session
  → DON'T send to LLM
  → Find last session (from memory)
  → Load context (500 tokens)
  → Show status
  → Next prompt already has yesterday's context

User: "ok, finish the tests"

  Intent (0ms): action=code, model=heavy, context=L2
  → System prompt: role=coder + dev workflow + session context
  → Model: DeepSeek Pro (reasoning=off, code task)
  → Tools: [readFile, writeFile, shell, grep]
  → Agent knows WHAT to test (from session context)

No manual context loading. No "let me explain the project again". The IDE already knows.

Architecture

graph TB
    subgraph "Per-Request (0ms)"
        A[User Prompt] --> B[Intent Classifier]
        B --> C{Keyword Match?}
        C -->|Yes, 70%| D[Route Decision]
        C -->|No| E[Local LLM / API]
        E --> D
        D --> F[Model Selection]
        D --> G[Context Level]
        D --> H[Tool Selection]
        D --> I[Role + Competencies]
    end

    subgraph "Persistent Memory"
        J[(Session Index)] --> B
        K[(Project Registry)] --> D
        L[(Roles & Competencies)] --> I
        M[(Context Levels)] --> G
    end

    F --> N[LLM Request]
    G --> N
    H --> N
    I --> N
    N --> O[Response]

Loading

Comparison

	Cursor	Kiro	Copilot	0.flow
Cross-session memory	❌	❌	❌	✅
Roles & competencies	❌	❌	❌	✅
Dynamic system prompt	❌	partial	❌	✅
Local intent (0ms)	❌	❌	❌	✅
Auto model routing	❌	❌	❌	✅
Context level routing	❌	❌	❌	✅
Session orchestration	❌	❌	❌	✅
Semantic session search	❌	❌	❌	✅
Cost-aware decisions	❌	❌	❌	✅
Offline capable	❌	❌	❌	✅

Stack

• IDE Shell: Code OSS fork (Electron, patches over 1.107.1)
• Extension: TypeScript, SolidJS, Effect-TS, Bun
• Intent Classifier: Keyword (0ms) + Qwen3-0.6B GGUF (local) + API fallback
• Embeddings: MiniLM-L6-v2 (ONNX, 384 dims, in-process worker)
• Vector Store: LanceDB (embedded)
• Models: BYOK — DeepSeek, MiniMax, Claude, Qwen, local Ollama

Status

Component	Status
IDE (Code OSS fork)	✅ Working (Windows x64)
Extension (chat, tools, steering)	✅ Working
Intent Classifier (multi-provider)	✅ Working
Semantic Search (@codebase)	✅ Working
Session Memory (0.agent)	✅ Working (174+ sessions)
Model Routing (Auto mode)	✅ Working
Linux / macOS	📋 Planned
Public release	📋 Planned

---

Built with 0.flow — this IDE develops itself.

---

🇷🇺 Русская версия

0.flow — Stateful IDE с локальным интеллектом

AI-ассистент для разработки, который помнит ваш проект, понимает намерение и принимает решения ДО обращения к LLM.

Проблема

Все AI-инструменты для кода сегодня — stateless. Открыл чат, объяснил контекст, получил помощь, закрыл — всё потеряно. В следующий раз начинаешь с нуля.

Решение

Два слоя которых нет ни у кого:

Слой 1 — Локальный Intent (0ms, per-request):

• Классифицирует намерение ДО отправки в LLM
• Выбирает оптимальную модель (с учётом стоимости)
• Определяет уровень контекста (200 / 700 / 2000 токенов)
• Подбирает tools, роль, режим reasoning

Слой 2 — Долговременная память (cross-session):

• Сессии со структурированным контекстом (L1/L2/L3)
• Роли и компетенции (22 роли, 6-7 компетенций каждая)
• История решений (append-only лог)
• Оркестраторы, дочерние сессии, cross-project
• Семантический поиск по всей истории (5ms)

Аналогия: Слой 1 = мозжечок (мгновенные рефлексы). Слой 2 = долговременная память. Вместе = агент который растёт вместе с проектом.

Пример

Пользователь: "продолжи то что вчера делали"

  Intent (0ms): action=session_mgmt, target=last_session
  → НЕ отправлять в LLM
  → Найти последнюю сессию
  → Загрузить контекст (500 токенов)
  → Следующий промт уже с контекстом вчерашней работы

Пользователь: "ок, допиши тесты"

  Intent (0ms): action=code, model=heavy, context=L2
  → System prompt: role=coder + DEV_WORKFLOW + контекст сессии
  → Model: DeepSeek Pro
  → Агент знает ЧТО тестировать (из контекста сессии)

Сравнение

	Cursor	Kiro	Copilot	0.flow
Память между сессиями	❌	❌	❌	✅
Роли и компетенции	❌	❌	❌	✅
Динамический system prompt	❌	частично	❌	✅
Локальный intent (0ms)	❌	❌	❌	✅
Auto model routing	❌	❌	❌	✅
Оркестрация сессий	❌	❌	❌	✅
Семантический поиск	❌	❌	❌	✅
Работа offline	❌	❌	❌	✅

Статус

Рабочий прототип. Windows x64. 174+ сессий в production (self-hosted development).

Собран с помощью 0.flow — эта IDE разрабатывает сама себя.