cunzhi

GitHub
1.3k 154 简单 1 次阅读 今天开发框架图像Agent
AI 解读 由 AI 自动生成,仅供参考

寸止是一款专为提升 AI 对话连续性而设计的开源辅助工具,旨在解决大模型在交流中过早结束话题、频繁询问“还有什么需要帮助”的痛点。当检测到 AI 试图草率终止对话时,寸止会自动触发智能拦截弹窗,提供预设选项引导用户继续深入探讨,确保问题得到彻底解决。

该工具特别适合依赖 AI 进行代码开发、技术调研或复杂逻辑梳理的开发者与研究人员使用。除了核心的对话延续功能,寸止还内置了基于项目的记忆管理系统,能够存储开发规范与用户偏好,让 AI 更懂你的习惯。其技术亮点在于集成了基于 ACE 的语义代码搜索能力,并采用 Rust 重写核心逻辑以保证高性能,同时通过 MCP(Model Context Protocol)协议无缝对接 Claude Desktop 等主流客户端。

寸止支持 macOS、Windows 和 Linux 全平台,提供图形化设置界面与命令行多种交互方式,安装简便且即装即用。它不改变原有 AI 模型的能力,而是作为一层高效的“交互增强层”,帮助用户打造更持久、更连贯且个性化的智能协作体验。

使用场景

资深后端工程师李明正在利用 AI 助手重构一个遗留的电商订单系统,需要深入理解复杂的业务逻辑并连续生成多个模块代码。

没有 cunzhi 时

  • 对话频繁中断:每当 AI 输出完一段代码或给出初步建议后,便会机械地询问“还有什么需要帮助的吗?”,强行切断连贯的思维流。
  • 上下文记忆丢失:由于对话被过早终结,AI 难以维持对项目特定规范(如自定义异常处理流程)的长期记忆,导致后续生成的代码风格不统一。
  • 交互效率低下:李明不得不反复手动输入“继续”、“请深入解释”或重新粘贴上下文,打断开发心流,将简单的多轮对话变成了繁琐的拉锯战。
  • 深度分析受阻:面对复杂的语义代码搜索需求,AI 往往在刚触及核心逻辑时就草草收尾,无法提供完整的架构级优化方案。

使用 cunzhi 后

  • 智能持续对话:当 AI 试图提前结束话题时,cunzhi 自动拦截并弹出预定义选项,让李明能一键选择“深入分析”或“生成下一模块”,确保交流自然延续。
  • 项目规范持久化:借助 cunzhi 的记忆管理功能,李明的项目编码规范和偏好被自动存储并在每次对话中无缝调用,保证了全链路代码的一致性。
  • 流畅沉浸式体验:通过优雅的弹窗交互和 Markdown 支持,李明无需重复指令即可引导 AI 层层递进地解决问题,真正实现了“所想即所得”。
  • 深度代码洞察:结合集成的语义代码搜索工具,cunzhi 助力 AI 完整遍历项目结构,输出了从数据库变更到接口调整的端到端重构方案。

cunzhi 通过智能拦截与记忆增强,将碎片化的 AI 问答转化为连贯、深度的结对编程体验,彻底终结了对话“早泄”带来的效率损耗。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具是一个基于 Rust 和 Tauri 开发的 MCP 客户端插件,无需本地运行大型 AI 模型,因此无特定 GPU 或大内存需求。安装方式支持 macOS Homebrew 或直接下载预编译二进制文件(支持 Intel/Apple Silicon Mac, Linux x86_64, Windows x86_64)。开发环境需安装 pnpm 和 Rust 工具链。主要功能是拦截 AI 对话结束信号并提供记忆管理,需配合 Claude Desktop 等 MCP 宿主客户端使用。
python未说明
Rust (核心逻辑重写)
Tauri (桌面应用框架)
acemcp (代码语义搜索集成)
cunzhi hero image

快速开始

寸止 🛑

AI 对话"早泄"终结者,让交流持续到底

还在为 AI 助手总是提前结束对话而抓狂吗?明明还有很多要聊,它却说"还有什么需要帮助的吗?"寸止 专治这个毛病!

当 AI 想要"草草了事"时,寸止会及时弹出对话框,让你能够继续深入交流,直到真正解决问题为止。

🌟 核心特性

  • 🛑 智能拦截:AI 想结束时自动弹出继续选项
  • 🧠 记忆管理:按项目存储开发规范和偏好
  • 🎨 优雅交互:Markdown 支持、多种输入方式
  • 即装即用:3 秒安装,跨平台支持

📸 看看效果

🛑 智能拦截弹窗

寸止弹窗演示

当 AI 想要结束对话时,寸止智能弹窗及时出现,提供预定义选项快速选择,让交流持续深入

⚙️ 设置管理界面

寸止设置界面

优雅的设置界面,支持记忆管理、功能开关、主题切换和智能提示词生成

🚀 开始使用

方式一:快速安装(推荐)

macOS 用户:

# 3 秒安装,无需等待编译
brew tap imhuso/cunzhi && brew install cunzhi

⚠️ 故障排除:如果遇到 404 下载错误,请执行以下步骤:

# 清除旧的 tap 缓存
brew untap imhuso/cunzhi
# 重新安装
brew tap imhuso/cunzhi && brew install cunzhi

常见错误示例:

curl: (56) The requested URL returned error: 404
Error: cunzhi: Failed to download resource "cunzhi"
Download failed: https://github.com/imhuso/cunzhi/releases/download/v0.2.0/cunzhi-cli-v0.2.4-macos-aarch64.tar.gz

这通常是由于之前版本的缓存问题导致版本号不匹配。清除 tap 后重新安装即可解决。

Windows/Linux 用户: 推荐使用方式二手动下载,简单快捷!

方式二:手动下载

  1. 访问 Releases 页面

  2. 下载适合你系统的版本:

    • 🐧 Linux: cunzhi-cli-v*-linux-x86_64.tar.gz
    • 🍎 macOS (Intel): cunzhi-cli-v*-macos-x86_64.tar.gz
    • 🍎 macOS (Apple Silicon): cunzhi-cli-v*-macos-aarch64.tar.gz
    • 🪟 Windows: cunzhi-cli-v*-windows-x86_64.zip
  3. 解压后将 寸止等一下 添加到系统 PATH

⚡ 快速上手

第一步:配置 MCP 客户端

在你的 MCP 客户端(如 Claude Desktop)配置文件中添加:

{
  "mcpServers": {
    "寸止": {
      "command": "寸止"
    }
  }
}

第二步:打开设置界面

# 运行设置命令
等一下

第三步:配置提示词

在设置界面的"参考提示词"标签页:

  1. 查看自动生成的提示词
  2. 点击复制按钮
  3. 将提示词添加到你的 AI 助手中

第四步:开始使用

现在你的 AI 助手就拥有了智能拦截、记忆管理和弹窗交互功能!

💡 小贴士:你可以参考生成的提示词进行个性化修改,打造专属的 AI 交互体验。

🔧 工具说明

寸止提供了多个 MCP 工具来增强 AI 助手的能力:

  • 代码搜索工具:基于 ACE 的语义代码搜索,帮助 AI 理解项目代码结构

🙏 致谢

感谢以下开源项目及其贡献者:

  • acemcp - 由 @qy527145 开发,提供了强大的代码库语义搜索能力。本项目在保留原有功能的基础上,使用 Rust 重写了核心逻辑并集成到寸止的 MCP 工具生态中。

🤝 参与贡献

寸止是开源项目,我们欢迎所有形式的贡献!

🛠️ 本地开发

git clone https://github.com/imhuso/cunzhi.git
cd cunzhi
pnpm install
pnpm tauri:dev

📄 开源协议

MIT License - 自由使用,欢迎贡献!

版本历史

v0.4.02025/11/08
v0.3.82025/07/17
v0.3.72025/07/15
v0.3.62025/07/05
v0.3.52025/07/05
v0.3.42025/07/05
v0.3.32025/07/01
v0.3.22025/06/27
v0.2.122025/06/19
v0.2.112025/06/19
v0.2.82025/06/18
v0.2.72025/06/18
v0.2.62025/06/17
v0.2.42025/06/17
v0.2.32025/06/17
v0.2.22025/06/16
v0.2.02025/06/16
v0.1.42025/06/16
v0.1.32025/06/15
v0.1.22025/06/15

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

139k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|今天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|昨天
Agent图像开发框架