quint-code
quint-code 是一款专为工程决策设计的智能引擎,能无缝连接 Claude Code、Cursor 等主流 AI 编程助手。quint-code 解决了技术方案随时间变旧却无人知晓的问题,确保重要决策始终有据可查。
适合需要频繁做架构选型或技术评估的开发者使用。quint-code 的核心亮点是“证据衰减”功能,决策的可信度会随时间自动降低,过期后自动提醒复查。quint-code 还能将决策整理成标准文档,包含问题背景、约束条件和后果,方便新人快速接手。同时,系统会强制公平对比不同方案,避免被错误指标误导。quint-code 具备跨会话记忆能力,能主动关联过往相关决策。
用户只需输入 /q-reason,quint-code 就能自动分析问题、对比方案并记录决定,也可以手动分步操作。无论是临时的小决定还是长期的架构规划,quint-code 都能帮团队建立起不会过期的工程决策记忆库。
使用场景
某电商后端团队在重构用户中心时,面临高并发场景下选择 Redis 分布式缓存还是本地内存缓存的关键架构决策。
没有 quint-code 时
- 决策理由散落在会议录音和即时通讯软件中,新入职工程师无法快速理解历史背景与技术约束。
- 业务量增长后缓存策略失效,团队却找不到当初排除其他方案的完整对比数据,只能盲目试错。
- 缺乏生命周期管理,过时的技术选型像“僵尸文档”一样继续误导后续开发,导致系统性能瓶颈难以根除。
- 每次复盘都需人工翻找旧记录,耗时费力且容易遗漏关键约束条件,造成重复劳动。
使用 quint-code 后
- quint-code 将决策固化为包含问题框架与权衡依据的工程合同,新人阅读即可掌握全貌,无需追问前人。
- 证据衰减机制自动监控决策有效性,当缓存指标异常时通过
/q-status主动提示重新评估,防止隐患累积。 - 强制平行对比维度,防止因短期性能优化牺牲长期可维护性,确保架构演进逻辑严密且公平。
- 决策冲突自动预警,结合会话记忆功能,避免重复讨论已解决的技术难题,提升团队协作效率。
quint-code 让工程决策从“一次性谈话”转变为可追踪、会自省且随时间演进的活文档。
运行环境要求
- Linux
- macOS
未说明
未说明

快速开始
知道何时过时的工程决策。
框定问题。公平比较选项。将决策记录为契约。知道何时需要重新审视。
支持:Claude Code, Cursor, Gemini CLI, Codex CLI, Codex App, Air
安装
curl -fsSL https://raw.githubusercontent.com/m0n0x41d/quint-code/main/install.sh | bash
然后在您的项目中,运行 init 并带上您所用工具的标志(flag):
# Claude Code (default if no flag)
quint-code init
# Cursor
quint-code init --cursor
# Gemini CLI
quint-code init --gemini
# Codex CLI / Codex App
quint-code init --codex
# JetBrains Air
quint-code init --air
# All tools at once
quint-code init --all
各工具的初始化操作
二进制文件相同 —— 仅 MCP(Model Context Protocol)配置位置不同:
| 工具 | MCP 配置 | 命令 | 技能 |
|---|---|---|---|
| Claude Code | .mcp.json (project root) |
~/.claude/commands/ |
~/.claude/skills/q-reason/ |
| Cursor | .cursor/mcp.json |
~/.cursor/commands/ |
~/.cursor/skills/q-reason/ |
| Gemini CLI | ~/.gemini/settings.json |
~/.gemini/commands/ |
— |
| Codex CLI | .codex/config.toml |
~/.codex/prompts/ |
~/.agents/skills/q-reason/ |
| Air | .codex/config.toml |
project skills/ |
project skills/q-reason/ |
Cursor 重要提示: 初始化后,打开 Cursor 设置 → MCP → 找到 quint-code → 启用开关。Cursor 默认会禁用 MCP 服务器。
注意: Cursor 也会从 ~/.claude/commands/ 读取 Claude Code 命令 —— 因此即使没有 --cursor,斜杠命令也能工作。但必须设置 MCP 配置 (.cursor/mcp.json) 才能让工具连接。
已有项目?在初始化后运行 /q-onboard —— 代理(Agent)会扫描您的代码库以捕获值得记录的现有决策。
第一次使用? 让代理解释其工作原理:
/q-reason explain how to work with quint-code effectively — what commands exist, when to use each one, and what's the recommended workflow
该代理完全了解所有 Quint 工具,并将结合您的项目上下文引导您使用它们。
工作原理
一个命令:/q-reason
描述您的问题。代理会框定它、生成替代方案、公平比较它们并记录决策 —— 所有这些都在一个命令中完成。它会自动选择合适的深度。
或者手动驱动每一步
/q-frame → /q-char → /q-explore → /q-compare → /q-decide
what's what genuinely fair engineering
broken? matters? different comparison contract
options
即时微决策
当代理在对话中注意到决策时,会自动捕获它们。没有理由 —— 就没有记录。与活跃决策的冲突会被标记。90 天后自动过期。
当决策过时
/q-status 显示哪些已过期以及需要注意的内容。/q-refresh 管理所有工件(Artifact)类型的生命周期 —— 豁免、重新打开、取代或弃用。
有何不同
- 决策是实时的 —— 它们拥有计算得出的信任分数(R_eff),会随着证据老化而降低。过期的基准测试会降低整体分数。
- 比较是诚实的 —— 强制执行对等性,交叉检查维度,警告不对称评分。反古德哈特效应(Anti-Goodhart):将维度标记为“观察”,以防止优化错误的指标。
- 跨会话记忆 —— 当您框定问题时,工具会浮现相关的过往决策。当您探索时,它会检查是否存在类似的变体。
- 闭环 —— 失败的测量建议重新打开。证据衰减触发审查。定期刷新提示确保没有任何内容静默过时。
- 决策即契约 —— FPF E.9 格式:问题框架、决策(不变量 + DO/DON'T)、理由、后果。新工程师六个月后阅读它也能完全理解。
6 个工具
| 工具 | 功能 |
|---|---|
quint_note |
带验证和自动过期的微决策 |
quint_problem |
框定问题,定义带有角色的比较维度 |
quint_solution |
探索变体并进行多样性检查,进行对等比较 |
quint_decision |
FPF E.9 决策契约,影响测量,证据 |
quint_refresh |
所有工件的生命周期管理 |
quint_query |
搜索,状态仪表板,文件到决策查找 |
基于第一性原理框架
FPF(第一性原理框架) by Anatoly Levenchuk —— 一种严谨的、跨学科的思维架构。
/q-reason 为您的 AI 代理提供了一个用于工程决策的 FPF 原生操作系统:解决方案前的问题框定,比较前的特征化,对等性执行,带有一致性惩罚的证据,最弱环节保证,以及当证据老化或测量失败时自我闭合的双纽线循环(lemniscate cycle)。
quint-code fpf search 让您访问 FPF 规范中的 4243 个索引章节 —— 代理可按需查找任何概念。
了解更多
查看 文档 以获取有关决策模式、DRR 格式、计算功能和生命周期管理的详细指南。
要求
- Go 1.24+(用于从源代码构建)
- 任何支持 MCP 的 AI 工具
许可证
MIT
版本历史
v5.3.22026/03/26v5.3.12026/03/25v5.3.02026/03/25v5.2.02026/03/23v5.1.02026/03/20v5.0.02026/03/18v4.1.12026/01/02v4.1.02025/12/21v4.0.02025/12/183.2.02025/12/153.1.02025/12/142.2.02025/12/142.1.02025/12/132.0.02025/12/131.0.02025/12/13常见问题
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。
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
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。
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。
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。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。