Continuous-Claude-v3
Continuous-Claude-v3 是一款专为 Claude Code 打造的增强型开发环境,旨在让 AI 编程具备“持续学习”与“记忆传承”的能力。它主要解决了原生 Claude Code 在会话上下文填满时被迫压缩信息,导致关键决策细节丢失、每次新会话都需重新建立背景的痛点。
通过引入独特的“账本(Ledgers)”和“交接(Handoffs)”机制,Continuous-Claude-v3 能在会话间持久化保存状态,将过往经验像复利一样积累,而非简单丢弃。其核心亮点包括:内置 109 项技能与 32 个专用智能体,可自动协调复杂工作流;采用五层代码分析与语义索引技术,大幅减少读取文件时的 Token 消耗;利用钩子(Hooks)系统在代码编辑后即时执行静态检查,实现错误左移。此外,它支持自然语言交互,用户无需记忆复杂指令即可触发相应功能。
该工具特别适合需要长期维护复杂项目、追求高效上下文管理的软件开发者及技术团队。它帮助开发者摆脱重复解释背景的负担,让 AI 助手随着项目推进越用越聪明,从而构建出更加连贯、智能且节省成本的自动化开发流程。
使用场景
某全栈开发者正在为一个复杂的电商后台系统重构支付模块,需要在多次会话中持续迭代代码并协调多个微服务。
没有 Continuous-Claude-v3 时
- 上下文频繁丢失:当对话历史过长触发压缩机制时,之前确定的架构决策和边界条件被遗忘,导致 AI 重复询问或生成冲突代码。
- Token 浪费严重:每次修改都需要重新读取整个大型文件以获取上下文,不仅速度慢,还迅速耗尽了模型的上下文窗口限额。
- 多任务协调困难:同时处理数据库迁移、API 更新和前端适配时,缺乏统一的调度机制,容易顾此失彼,产生逻辑漏洞。
- 经验无法沉淀:每次开启新会话都是“从零开始”,之前会话中修复的特定 Bug 或学到的业务规则无法自动带入下一次工作。
使用 Continuous-Claude-v3 后
- 状态无缝延续:通过 YAML 交接单(handoffs)和分类账(ledgers)机制,即使会话重启,核心的架构决策和业务规则也能完整保留,实现“复利式”智能积累。
- 高效代码分析:利用五层代码分析和语义索引技术,仅提取关键变更点而非通读全文件,大幅降低 Token 消耗并提升响应速度。
- 智能代理编排:内置的 32 个专业代理自动协同工作,元技能(Meta-skills)统一调度数据库、后端和前端的修改任务,确保多端逻辑一致。
- 自动化知识记忆:守护进程自动从每次会话中提取学习成果并存入记忆系统,后续任务能自动调用过往的修复经验和业务约束,避免重蹈覆辙。
Continuous-Claude-v3 将原本碎片化的 AI 辅助编程转变为具备持续学习和记忆能力的开发伙伴,彻底解决了长周期开发中的上下文断裂与效率瓶颈。
运行环境要求
- 未说明
未说明
未说明

快速开始
持续的克劳德
基于 Claude Code 构建的持久化、可学习的多智能体开发环境
持续的克劳德将 Claude Code 转变为一个持续学习的系统,它能够在会话之间保持上下文一致性,协调专业化的智能体,并通过智能代码分析避免不必要的 token 消耗。
目录
为什么是持续的克劳德?
Claude Code 存在一个 压缩问题:当上下文填满时,系统会压缩你的对话,导致会话期间获得的细微理解与决策丢失。
持续的克劳德通过以下方式解决了这个问题:
| 问题 | 解决方案 |
|---|---|
| 压缩时上下文丢失 | YAML 手动交接——更节省 token 的传递方式 |
| 每次会话都从头开始 | 记忆系统召回 + 守护进程自动提取学习成果 |
| 读取整个文件会消耗大量 token | 5 层代码分析 + 语义索引 |
| 复杂任务需要协调 | 元技能编排智能体工作流 |
| 手动重复工作流 | 109 种技能,可通过自然语言触发 |
我们的信条:积累,而非压缩。 自动提取学习成果,然后以完整的上下文重新开始。
为什么叫“持续”?为什么叫“积累”?
这个名字是一个双关语。“持续”是因为克劳德能够在会话之间保持状态;“积累”则是因为每次会话都会让系统变得更聪明——学习成果像复利一样不断累积。
设计原则
一个智能体由五个要素组成:提示 + 工具 + 上下文 + 记忆 + 模型。
| 组件 | 我们优化的内容 |
|---|---|
| 提示 | 技能注入相关上下文;钩子添加系统提醒 |
| 工具 | TLDR 减少 token 使用;智能体并行处理工作 |
| 上下文 | 不仅是克劳德知道什么,还有它是如何被提供的 |
| 记忆 | 守护进程提取学习成果;召回功能将其呈现出来 |
| 模型 | 当其他四个部分稳固时,模型可以灵活替换 |
反复杂性
我们抵制插件泛滥。你添加的每一个 MCP、订阅或工具都承诺带来改进,但同时也可能因冲突而破坏上下文、工具或提示。
我们的方法:
- 时间,而非金钱 — 无需付费服务。Perplexity 和 NIA 是可选的,但具有高性价比。
- 学习,而非堆积 — 一个能够学习的系统比收集插件的系统更能处理边缘情况。
- 左移验证 — 钩子在编辑后运行 pyright/ruff,提前捕获错误,无需等待测试。
复杂系统的故障模式在发生之前通常是不可见的。一个学习且上下文高效的系统并不能防止所有故障——但它能够恢复并不断改进。
如何与克劳德交流
你不需要记住任何斜杠命令。 只需用自然语言描述你的需求即可。
技能激活系统
当你发送消息时,一个钩子会注入上下文,告诉 克劳德 哪些技能和智能体是相关的。克劳德会根据规则系统推断出应该使用哪些工具。
> “修复 auth.py 中的登录 bug”
🎯 技能激活检查
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
⚠️ 关键技能(必需):
→ create_handoff
📚 推荐技能:
→ fix
→ debug
🤖 推荐智能体(节省 token):
→ debug-agent
→ scout
行动:在回复之前先使用技能工具
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
优先级级别
| 级别 | 含义 |
|---|---|
| ⚠️ 关键 | 必须使用(例如,在结束会话前进行交接) |
| 📚 推荐 | 应该使用(例如,工作流技能) |
| 💡 建议 | 可考虑使用(例如,优化工具) |
| 📌 可选 | 如果有更好(例如,文档助手) |
自然语言示例
| 你说什么 | 激活了什么 |
|---|---|
| “修复损坏的登录” | /fix 工作流 → debug-agent、scout |
| “构建用户仪表盘” | /build 工作流 → plan-agent、kraken |
| “我想了解这个代码库” | /explore + scout 智能体 |
| “这个计划可能会出现什么问题?” | /premortem |
| “帮我弄清楚我需要什么” | /discovery-interview |
| “今天就到这里吧” | create_handoff(关键) |
| “从我们上次中断的地方继续” | resume_handoff |
| “研究认证模式” | oracle 智能体 + perplexity |
| “查找这个 API 的所有用法” | scout 智能体 + ast-grep |
为什么采用这种方法?
| 优点 | 如何实现 |
|---|---|
| 更容易发现 | 无需知道有哪些命令存在 |
| 上下文感知 | 系统知道你已经使用了 90% 的上下文 |
| 降低认知负荷 | 自然描述意图,即可获得精选建议 |
| 对高级用户友好 | 仍然支持直接使用 /fix、/build 等命令 |
技能 vs 工作流 vs 智能体
| 类型 | 目的 | 示例 |
|---|---|---|
| 技能 | 单一用途工具 | commit、tldr-code、qlty-check |
| 工作流 | 多步骤流程 | /fix(sleuth → premortem → kraken → commit) |
| 智能体 | 专门化的子会话 | scout(探索)、oracle(研究) |
快速入门
先决条件
- Python 3.11+
- uv 包管理器
- Docker(用于 PostgreSQL)
- Claude Code CLI
安装
# 克隆
git clone https://github.com/parcadei/Continuous-Claude-v3.git
cd Continuous-Claude-v3/opc
# 运行设置向导(12 步)
uv run python -m scripts.setup.wizard
注意:
pyproject.toml文件位于opc/目录下。请始终在opc/目录中运行uv命令。
向导执行的操作
| 步骤 | 操作内容 |
|---|---|
| 1 | 备份现有的 .claude/ 配置文件(如果存在) |
| 2 | 检查前置条件(Docker、Python、uv) |
| 3-5 | 数据库与 API 密钥配置 |
| 6-7 | 启动 Docker 容器栈,执行数据库迁移 |
| 8 | 安装 Claude Code 集成(32 个智能体、109 项技能、30 个钩子) |
| 9 | 数学功能(SymPy、Z3、Pint - 可选) |
| 10 | TLDR 代码分析工具 |
| 11-12 | 诊断工具 + Loogle(可选) |
卸载方法:
cd Continuous-Claude-v3/opc
uv run python -m scripts.setup.wizard --uninstall
操作内容
- 归档当前设置 → 将 ~/.claude 移至 ~/.claude-v3.archived.<时间戳>
- 恢复备份 → 查找最近的 ~/.claude.backup.*(安装时创建),并将其恢复
- 保留用户数据 → 从归档中复制以下内容:
- history.jsonl(命令历史)
- mcp_config.json(MCP 服务器)
- .env(API 密钥)
- projects.json(项目配置)
- file-history/ 目录
- projects/ 目录
- 移除 CC-v3 的新增内容 → 其他所有内容(钩子、技能、智能体、规则)
安全特性
- 当前设置会按时间戳归档,不会删除任何内容
- 向导会在继续操作前请求确认
- 会从安装时创建的备份中恢复
- 所有 Claude Code 设置将保持不变
远程数据库设置
默认情况下,CC-v3 通过 Docker 在本地运行 PostgreSQL。对于远程数据库设置:
1. 数据库准备
# 连接到您的远程 PostgreSQL 实例
psql -h 主机名 -U 用户 -d continuous_claude
# 启用 pgvector 扩展(需要超级用户或 rds_superuser)
CREATE EXTENSION IF NOT EXISTS vector;
# 应用模式(来自本地克隆)
psql -h 主机名 -U 用户 -d continuous_claude -f docker/init-schema.sql
托管 PostgreSQL 使用提示:
- AWS RDS:在数据库参数组中将
vector添加到shared_preload_libraries- Supabase:通过数据库扩展页面启用
- Azure Database:使用扩展面板启用 pgvector
2. 连接配置
在 ~/.claude/settings.json 中设置 CONTINUOUS_CLAUDE_DB_URL:
{
"env": {
"CONTINUOUS_CLAUDE_DB_URL": "postgresql://用户:密码@主机名:5432/continuous_claude"
}
}
或者在运行 Claude 之前导出环境变量:
export CONTINUOUS_CLAUDE_DB_URL="postgresql://用户:密码@主机名:5432/continuous_claude"
claude
请参阅 .env.example 文件以获取所有可用的环境变量。
第一次会话
# 启动 Claude Code
claude
# 尝试一个工作流
> /workflow
第一次会话常用命令
| 命令 | 功能 |
|---|---|
/workflow |
基于目标的路由(研究/计划/构建/修复) |
/fix bug <描述> |
调查并修复错误 |
/build greenfield <功能> |
从零开始构建新功能 |
/explore |
理解代码库 |
/premortem |
实施前的风险分析 |
架构
┌─────────────────────────────────────────────────────────────────────┐
│ CONTINUOUS CLAUDE │
├─────────────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Skills │ │ Agents │ │ Hooks │ │
│ │ (109) │───▶│ (32) │◀───│ (30) │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌─────────────────────────────────────────────────────────────┐ │
│ │ TLDR 代码分析 │ │
│ │ L1:AST → L2:CallGraph → L3:CFG → L4:DFG → L5:Slicing │ │
│ │ (节省 95% 的 token) │ │
│ └─────────────────────────────────────────────────────────────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Memory │ │ Continuity │ │ Coordination│ │
│ │ System │ │ Ledgers │ │ Layer │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────────┘
数据流:会话生命周期
会话开始 工作 会话结束
│ │ │
▼ ▼ ▼
┌─────────┐ ┌─────────┐ ┌─────────┐
│ 加载 │ │ 跟踪 │ │ 保存 │
│ 上下文 │─────────────────▶│ 更改 │──────────────────▶│ 状态 │
└─────────┘ └─────────┘ └─────────┘
│ │ │
├── 连续性账本 ├── 文件声明 ├── 移交
├── 记忆回溯 ├── TLDR 索引 ├── 经验总结
└── 符号索引 └── 黑板 └── 结果
│
▼
┌─────────┐
│ /clear │
│ 清新 │
│ 上下文 │
└─────────┘
连续性循环(详细)
┌─────────────────────────────────────────────────────────────────────────────┐
│ 连续性循环 │
└─────────────────────────────────────────────────────────────────────────────┘
1. 会话开始 2. 工作中
┌────────────────────┐ ┌────────────────────┐
│ │ │ │
│ 分类账加载 ────┼──▶ 上下文 │ 工具使用后 ──────┼──▶ 索引交接
│ 交接内容加载 │ │ 用户提示 ───────┼──▶ 技能提示
│ 记忆调用 │ │ 编辑跟踪 ────┼──▶ 脏标记++
│ TLDR 缓存预热 │ │ 子代理停止 ─────┼──▶ 代理汇报
│ │ │ │
└────────────────────┘ └────────────────────┘
│ │
│ ▼
│ ┌────────────────────┐
│ │ 3. 预压缩 │
│ │ │
│ │ 自动交接 ─────┼──▶ 思考/共享/
│ │ (YAML 格式) │ 交接/*.yaml
│ │ 脏标记 > 20? ─────┼──▶ TLDR 重新索引
│ │ │
│ └────────────────────┘
│ │
│ ▼
│ ┌────────────────────┐
│ │ 4. 会话结束 │
│ │ │
│ │ 过期心跳 ──┼──▶ 守护进程唤醒
│ │ 守护进程启动 ────┼──▶ 无头Claude
│ │ 思考阻塞 ──┼──▶ 归档内存
│ │ │
│ └────────────────────┘
│ │
│ │
└──────────────◀────── /clear ◀──────┘
新鲜上下文 + 状态保留
工作流链条
┌─────────────────────────────────────────────────────────────────────────────┐
│ 元技能工作流 │
└─────────────────────────────────────────────────────────────────────────────┘
/修复 bug /构建新项目
───────── ─────────────────
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│ 探秘者 │─▶│ 事前分析│ │发现阶段 │─▶│计划代理│
│(诊断) │ │ (风险) │ │(澄清) │ │ (设计) │
└──────────┘ └────┬─────┘ └──────────┘ └────┬─────┘
│ │
▼ ▼
┌──────────┐ ┌──────────┐
│ 巨兽 │ │ 验证阶段 │
│ (修复) │ │ (检查) │
└────┬─────┘ └────┬─────┘
│ │
▼ ▼
┌──────────┐ ┌──────────┐
│ 调解员 │ │ 巨兽 │
│ (测试) │ │(实施│
└────┬─────┘ └────┬─────┘
│ │
▼ ▼
┌──────────┐ ┌──────────┐
│ 提交 │ │ 提交 │
└──────────┘ └──────────┘
/测试驱动开发 /重构
──── ─────────
┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐
│计划代理│─▶│ 调解员 │ │ 凤凰重生 │─▶│ 监管者 │
│ (设计) │ │(测试 🔴)│ │(分析) │ │ (评审) │
└──────────┘ └────┬─────┘ └──────────┘ └────┬─────┘
│ │
▼ ▼
┌──────────┐ ┌──────────┐
│ 巨兽 │ │ 巨兽 │
│(代码 🟢) │ │(转换│
└────┬─────┘ └────┬─────┘
│ │
▼ ▼
┌──────────┐ ┌──────────┐
│ 调解员 │ │ 法官 │
│(验证 ✓)│ │ (评审) │
└──────────┘ └──────────┘
数据层架构
┌─────────────────────────────────────────────────────────────────────────────┐
│ 数据层架构 │
├─────────────────────────────────────────────────────────────────────────────┤
│ │
│ TLDR 5层代码分析 语义索引 │
│ ┌────────────────────────┐ ┌────────────────────────┐ │
│ │ L1: 抽象语法树 (~500 词) │ │ BGE-large-en-v1.5 │ │
│ │ └── 函数、 │ │ ├── 全部5层 │ │
│ │ 类、签名 │ │ ├── 10行上下文 │ │
│ │ │ │ └── FAISS索引 │ │
│ │ L2: 调用图 (+440) │ │ │ │
│ │ └── 跨文件 │──────────────│ 查询: "auth逻辑" │ │
│ │ 依赖关系 │ │ 返回: 排序后的函数 │ │
│ │ │ └────────────────────────┘ │
│ │ L3: 控制流图 (+110 词) │ │
│ │ └── 控制流 │ │
│ │ │ 内存 (PostgreSQL+pgvector) │
│ │ L4: 数据流图 (+130 词) │ ┌────────────────────────┐ │
│ │ └── 数据流 │ │ sessions (心跳) │ │
│ │ │ │ file_claims (锁) │ │
│ │ L5: 程序依赖图 (+150 词) │ │ archival_memory (BGE) │ │
│ │ └── 切片 │ │ handoffs (嵌入) │ │
│ └────────────────────────┘ └────────────────────────┘ │
│ ~1,200词 │
│ vs 23,000原始 │
│ = 95%节省 文件系统 │
│ ┌────────────────────────┐ │
│ │ thoughts/ │ │
│ │ ├── ledgers/ │ │
│ │ │ └── CONTINUITY_*.md│ │
│ │ └── shared/ │ │
│ │ ├── handoffs/*.yaml│ │
│ │ └── plans/*.md │ │
│ │ │ │
│ │ .tldr/ │ │
│ │ └── (守护进程缓存) │ │
│ └────────────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────────────────────┘
核心系统
技能系统
技能是通过自然语言触发的模块化能力。位于 .claude/skills/ 目录下。
元技能(工作流编排器)
| 元技能 | 链式流程 | 使用场景 |
|---|---|---|
/workflow |
路由器 → 适当的工作流 | 不知道从何开始 |
/build |
发现 → 计划 → 验证 → 实现 → 提交 | 构建功能 |
/fix |
神探 → 事前分析 → 克拉肯 → 测试 → 提交 | 修复 bug |
/tdd |
计划 → 调解者(测试)→ 克拉肯(实现)→ 调解者 | 测试驱动开发 |
/refactor |
凤凰 → 计划 → 克拉肯 → 审查者 → 调解者 | 安全的代码重构 |
/review |
并行的专业评审 → 综合 | 代码审查 |
/explore |
探路者(快速/深入/架构) | 理解代码库 |
/security |
漏洞扫描 → 验证 | 安全审计 |
/release |
审计 → 端到端测试 → 审查 → 更改日志 | 发布版本 |
元技能参考
每个元技能支持模式、范围和标志。单独输入技能名称(如 /build)即可进入交互式问题流程。
/build <mode> [options] [description]
| 模式 | 链式流程 | 使用场景 |
|---|---|---|
greenfield |
发现 → 计划 → 验证 → 实现 → 提交 → PR | 从零开始的新功能 |
brownfield |
上手 → 研究 → 计划 → 验证 → 实现 | 现有代码库中的功能 |
tdd |
计划 → 测试先行 → 实现 | 测试驱动开发 |
refactor |
影响分析 → 计划 → TDD → 实现 | 安全的重构 |
| 选项 | 效果 |
|---|---|
--skip-discovery |
跳过访谈阶段(已有清晰规格) |
--skip-validate |
跳过计划验证 |
--skip-commit |
不自动提交 |
--skip-pr |
不创建 PR 描述 |
--parallel |
并行运行研究代理 |
/fix <scope> [options] [description]
| 范围 | 链式流程 | 使用场景 |
|---|---|---|
bug |
调试 → 实现 → 测试 → 提交 | 一般 bug 修复 |
hook |
调试钩子 → 钩子开发者 → 实现 → 测试 | 钩子相关问题 |
deps |
预检 → 占卜者 → 计划 → 实现 → 质量 | 依赖项错误 |
pr-comments |
GitHub 搜索 → 研究 → 计划 → 实现 → 提交 | PR 反馈 |
| 选项 | 效果 |
|---|---|
--no-test |
跳过回归测试 |
--dry-run |
仅诊断,不修复 |
--no-commit |
不自动提交 |
/explore <depth> [options]
| 深度 | 时间 | 功能 |
|---|---|---|
quick |
~1 分钟 | TLDR 树 + 结构概览 |
deep |
~5 分钟 | 上手 + TLDR + 研究 + 文档 |
architecture |
~3 分钟 | TLDR 架构 + 调用图 + 层次 |
| 选项 | 效果 |
|---|---|
--focus "area" |
专注于特定区域(例如 --focus "auth") |
--output handoff |
为实施创建交接文档 |
--output doc |
创建文档文件 |
--entry "func" |
从特定入口点开始 |
/tdd、/refactor、/review、/security、/release
这些技能遵循其定义的链式流程,无需模式标志。只需运行:
/tdd "implement retry logic"
/refactor "extract auth module"
/review # 审查当前更改
/security "authentication code"
/release v1.2.0
关键技能(高价值工具)
规划与风险
- premortem: TIGERS & ELEPHANTS 风险分析 - 在任何重大实施前使用
- discovery-interview: 将模糊想法转化为详细规格
上下文管理
- create_handoff: 捕捉会话状态以便传递
- resume_handoff: 从交接中恢复上下文
- continuity_ledger: 跟踪会话内的状态
代码分析(节省 95% 的 token)
- tldr-code: 调用图、CFG、DFG、切片
- ast-grep-find: 结构化代码搜索
- morph-search: 快速文本搜索(比 grep 快 20 倍)
研究
- perplexity-search: AI 驱动的网页搜索
- nia-docs: 库文档搜索
- github-search: 搜索 GitHub 代码/问题/PR
质量
- qlty-check: 70 多种 linter 和自动修复工具
- braintrust-analyze: 会话分析、回放以及调试失败会话
数学与形式证明
- math: 统一计算(SymPy、Z3、Pint)— 所有数学运算的统一入口
- prove: Lean4 定理证明,采用五阶段流程(研究 → 设计 → 测试 → 实施 → 验证)
- pint-compute: 支持单位的算术和转换
- shapely-compute: 计算几何
/prove 技能可在无需学习 Lean 语法的情况下实现机器验证的证明。曾用于创建 Sylvester-Gallai 定理的首个 Lean 形式化证明。
思考过程
我想做什么?
├── 不知道 → /workflow(引导式路由器)
├── 构建 → /build greenfield 或 brownfield
├── 修复 → /fix bug
├── 理解 → /explore
├── 规划 → 先进行事前分析,再使用计划代理
├── 研究 → 使用占卜者或 perplexity-search
├── 审查 → /review
├── 证明 → /prove(Lean4 形式验证)
├── 计算 → /math(SymPy、Z3、Pint)
└── 发布 → /release
代理系统
代理是通过任务工具生成的专用 AI 工作人员。位于 .claude/agents/ 目录下。
代理类别(32 个活跃)
注意: 代理数量可能过多——整合是 v4 版本的目标。请根据您的工作流程选择合适的代理。
编排者(2 个)
- maestro: 多代理协调,支持管道、蜂群、陪审团等模式
- kraken: TDD 实现代理,支持检查点和恢复功能
规划者(4 个)
- architect: 功能规划 + API 集成
- phoenix: 重构 + 框架迁移规划
- plan-agent: 轻量级规划,配备研究/MCP 工具
- validate-agent: 根据最佳实践验证计划
探索者(4 个)
- scout: 代码库探索(可替代 Explore 使用)
- oracle: 外部研究(网络、文档、API)
- pathfinder: 外部仓库分析
- research-codebase: 对现有代码库进行文档化
实施者(3 个)
- kraken: TDD 实施,严格遵循测试先行流程
- spark: 轻量级修复和快速调整
- agentica-agent: 使用 Agentica SDK 构建 Python 代理
调试者(3 个)
- sleuth: 通用 bug 调查及根因分析
- debug-agent: 通过日志/代码搜索调查问题
- profiler: 性能分析及竞态条件排查
验证者(2 个) - arbiter、atlas
审查者(6 个) - critic、judge、surveyor、liaison、plan-reviewer、review-agent
专业代理(8 个) - aegis、herald、scribe、chronicler、session-analyst、braintrust-analyst、memory-extractor、onboard
常见工作流程
| 工作流程 | 代理链 |
|---|---|
| 功能 | architect → plan-reviewer → kraken → review-agent → arbiter |
| 重构 | phoenix → plan-reviewer → kraken → judge → arbiter |
| Bug 修复 | sleuth → spark/kraken → arbiter → scribe |
钩子系统
钩子在 Claude Code 的生命周期关键点进行拦截。钩子位于 .claude/hooks/ 目录下。
钩子事件(共 30 个钩子)
| 事件 | 关键钩子 | 用途 |
|---|---|---|
| 会话开始 | session-start-continuity, session-register, braintrust-tracing | 加载上下文,注册会话 |
| 工具使用前 | tldr-read-enforcer, smart-search-router, tldr-context-inject, file-claims | 节省 token,搜索路由 |
| 工具使用后 | post-edit-diagnostics, handoff-index, post-edit-notify | 验证、索引 |
| 压缩前 | pre-compact-continuity | 压缩前自动保存 |
| 用户提示提交 | skill-activation-prompt, memory-awareness | 技能提示,记忆召回 |
| 子代理停止 | subagent-stop-continuity | 保存子代理状态 |
| 会话结束 | session-end-cleanup, session-outcome | 清理,提取学习成果 |
关键钩子
| 钩子 | 用途 |
|---|---|
| tldr-context-inject | 将代码分析添加到代理提示中 |
| smart-search-router | 在适当情况下将 grep 路由到 AST-grep |
| post-edit-diagnostics | 编辑后运行 pyright/ruff |
| memory-awareness | 展示相关学习内容 |
TLDR 代码分析
TLDR 通过 5 层分析提供节省 token 的代码摘要。
五层堆栈
| 层 | 名称 | 提供的内容 | Token 数量 |
|---|---|---|---|
| L1 | AST | 函数、类、签名 | ~500 tokens |
| L2 | 调用图 | 谁调用了什么(跨文件) | +440 tokens |
| L3 | CFG | 控制流、复杂度 | +110 tokens |
| L4 | DFG | 数据流、变量追踪 | +130 tokens |
| L5 | PDG | 程序切片、影响分析 | +150 tokens |
总计:约 1,200 tokens 对比原始的 23,000 tokens = 节省 95%
CLI 命令
# 结构分析
tldr tree src/ # 文件树
tldr structure src/ --lang python # 代码结构(codemaps)
# 搜索与提取
tldr search "process_data" src/ # 查找代码
tldr context process_data --project src/ --depth 2 # LLM 可用的上下文
# 流分析
tldr cfg src/main.py main # 控制流图
tldr dfg src/main.py main # 数据流图
tldr slice src/main.py main 42 # 哪些内容影响第 42 行?
# 代码库分析
tldr impact process_data src/ # 哪些地方调用了这个函数?
tldr dead src/ # 查找不可达代码
tldr arch src/ # 检测架构层
# 语义搜索(自然语言)
tldr daemon semantic "find authentication logic"
语义索引
除了结构分析外,TLDR 还构建了代码库的 语义索引:
- 自然语言查询 — 可以问“错误处理在哪里?”而不是直接 grep
- 自动重建 — 使用脏标记钩子跟踪文件变化;每 N 次编辑后重建索引
- 选择性索引 — 使用
.tldrignore控制哪些内容被索引
# .tldrignore 示例
__pycache__/
*.test.py
node_modules/
.venv/
语义索引使用所有 5 层以及每段代码周围的 10 行上下文——而不仅仅是文档字符串。
钩子集成
TLDR 通过钩子自动集成:
- tldr-read-enforcer:返回 L1+L2+L3 而不是完整文件读取
- smart-search-router:将 Grep 路由到
tldr search - post-tool-use-tracker:当文件更改时更新索引
内存系统
基于 PostgreSQL + pgvector 的跨会话学习功能。
工作原理
会话结束 → 数据库检测到心跳过期(超过 5 分钟)
→ 守护进程启动无头 Claude(Sonnet)
→ 分析会话中的思考块
→ 提取学习内容到 archival_memory
→ 下一个会话召回相关学习内容
关键洞察是:思考块包含了真正的推理过程——不仅是 Claude 做了什么,还有为什么这么做。守护进程会自动提取这些内容。
对话式界面
| 你说什么 | 发生什么 |
|---|---|
| “记住认证使用 JWT” | 存储带有上下文的学习内容 |
| “回忆认证模式” | 搜索内存,显示匹配结果 |
| “我们对 X 达成了什么共识?” | 通过 memory-awareness 钩子隐式召回 |
数据库表结构(4 张表)
| 表 | 用途 |
|---|---|
| sessions | 跨终端感知 |
| file_claims | 跨终端文件锁定 |
| archival_memory | 长期学习内容,附带 BGE 嵌入 |
| handoffs | 会话交接,附带嵌入 |
召回命令
# 召回学习内容(文本与向量混合搜索)
cd opc && uv run python scripts/core/recall_learnings.py \
--query "authentication patterns"
# 显式存储学习内容
cd opc && uv run python scripts/core/store_learning.py \
--session-id "my-session" \
--type WORKING_SOLUTION \
--content "我学到的内容" \
--confidence high
自动记忆
memory-awareness 钩子会在你发送消息时自动展示相关学习内容。你会看到 MEMORY MATCH 标记——Claude 可以在你未要求的情况下使用这些内容。
连续性系统
在上下文清除和会话之间保持状态。
连续性账本
会话内状态跟踪。位置:thoughts/ledgers/CONTINUITY_<topic>.md
# 会话:feature-x
更新时间:2026-01-08
## 目标
实现 feature X,并加入适当的错误处理
## 已完成
- [x] 设计了 API 模式
- [x] 实现了核心逻辑
## 进行中
- [ ] 添加错误处理
## 阻碍因素
- 需要澄清重试策略
交接
会话之间的知识传递。位置:thoughts/shared/handoffs/<session>/
---
date: 2026-01-08T15:26:01+0000
session_name: feature-x
status: complete
---
# 交接:Feature X 实现
## 任务
| 任务 | 状态 |
|------|--------|
| 设计 API | 完成 |
| 实现核心 | 完成 |
| 错误处理 | 待定 |
## 后续步骤
1. 在 API 调用中加入重试逻辑
2. 编写集成测试
命令
| 命令 | 效果 |
|---|---|
| “保存状态” | 更新连续性账本 |
“今天就到这里” / /handoff |
创建交接文档 |
| “继续工作” | 加载最新的交接内容 |
数学系统
具备两种能力:计算(SymPy、Z3、Pint)和形式化验证(Lean4 + Mathlib)。
技术栈
| 工具 | 用途 | 示例 |
|---|---|---|
| SymPy | 符号计算 | 求解方程、积分、矩阵运算 |
| Z3 | 约束求解 | 证明不等式、SAT问题 |
| Pint | 单位换算 | 将英里转换为千米、量纲分析 |
| Lean4 | 形式化证明 | 机器验证的定理 |
| Mathlib | 10万+ 定理 | 预先形式化的引理,可供进一步构建 |
| Loogle | 类型感知搜索 | 根据签名查找 Mathlib 引理 |
两个入口点
| 技能 | 使用场景 |
|---|---|
/math |
计算、求解、数值运算 |
/prove |
形式化验证、机器检查的证明 |
/math 示例
# 解方程
"Solve x² - 4 = 0" → x = ±2
# 计算特征值
"Eigenvalues of [[2,1],[1,2]]" → {1: 1, 3: 1}
# 证明不等式
"Is x² + y² ≥ 2xy always true?" → PROVED (equals (x-y)²)
# 单位换算
"26.2 miles to km" → 42.16 km
/prove - 形式化验证
机器验证证明的五阶段流程:
📚 研究 → 🏗️ 设计 → 🧪 测试 → ⚙️ 实现 → ✅ 验证
- 研究:使用 Loogle 搜索 Mathlib,找到证明策略。
- 设计:创建带有
sorry占位符的框架。 - 测试:在证明之前寻找反例。
- 实现:在编译器反馈循环中填补
sorry。 - 验证:审计公理,确认没有
sorry。
/prove every group homomorphism preserves identity
/prove continuous functions on compact sets are uniformly continuous
成就:用于创建 Sylvester-Gallai 定理的第一个 Lean 形式化证明。
先决条件(可选)
数学功能需要通过向导第9步安装:
# 向导自动安装
uv pip install sympy z3-solver pint shapely
# Lean4(用于 /prove)
curl https://raw.githubusercontent.com/leanprover/elan/master/elan-init.sh -sSf | sh
工作流
/workflow - 基于目标的路由
> /workflow
? 你的目标是什么?
○ Research - 理解代码库/文档
○ Plan - 设计实现方案
○ Build - 实现功能
○ Fix - 调查并解决问题
/fix - Bug 修复
/fix bug "login fails silently"
链路: sleuth → [checkpoint] → [premortem] → kraken → test → commit
| 范围 | 作用 |
|---|---|
bug |
一般性 Bug 调查 |
hook |
钩子特定调试 |
deps |
依赖问题 |
pr-comments |
处理 PR 反馈 |
/build - 功能开发
/build greenfield "user dashboard"
链路: discovery → plan → validate → implement → commit → PR
| 模式 | 作用 |
|---|---|
greenfield |
从零开始的新功能 |
brownfield |
修改现有代码库 |
tdd |
测试驱动开发 |
refactor |
安全的代码重构 |
/premortem - 风险分析
/premortem deep thoughts/shared/plans/feature-x.md
输出:
- TIGERS:明确的威胁(高/中/低严重性)
- ELEPHANTS:未言明的担忧
对于高严重性的风险,需用户接受或缓解后方可继续。
安装
完整安装(推荐)
# 克隆
git clone https://github.com/parcadei/continuous-claude.git
cd continuous-claude/opc
# 运行设置向导
uv run python -m scripts.setup.wizard
向导会以交互方式引导您完成所有配置选项。
更新
拉取最新更改并同步您的安装:
cd continuous-claude/opc
uv run python -m scripts.setup.update
这将:
- 从 GitHub 拉取最新代码
- 更新钩子、技能、规则、代理
- 如果已安装,则升级 TLDR
- 如果 TypeScript 钩子发生更改,则重新构建
安装内容
| 组件 | 位置 |
|---|---|
| 代理(32个) | ~/.claude/agents/ |
| 技能(109个) | ~/.claude/skills/ |
| 钩子(30个) | ~/.claude/hooks/ |
| 规则 | ~/.claude/rules/ |
| 脚本 | ~/.claude/scripts/ |
| PostgreSQL | Docker 容器 |
安装模式:复制 vs 符号链接
向导提供两种安装模式:
| 模式 | 工作原理 | 适用场景 |
|---|---|---|
| Copy(默认) | 将文件从仓库复制到 ~/.claude/ |
最终用户、稳定设置 |
| Symlink | 创建指向仓库文件的符号链接 | 贡献者、开发环境 |
复制模式(默认)
文件从 continuous-claude/.claude/ 复制到 ~/.claude/。您在 ~/.claude/ 中所做的更改是本地仅有的,并在下次更新时被覆盖。
continuous-claude/.claude/ ──COPY──> ~/.claude/
(source) (user config)
优点: 稳定,与仓库更改隔离
缺点: 更新时本地更改丢失,需手动同步
符号链接模式(推荐给贡献者)
创建符号链接,使 ~/.claude/ 直接指向仓库文件。无论在哪一侧进行更改,都会影响相同的文件。
~/.claude/rules ──SYMLINK──> continuous-claude/.claude/rules
~/.claude/skills ──SYMLINK──> continuous-claude/.claude/skills
~/.claude/hooks ──SYMLINK──> continuous-claude/.claude/hooks
~/.claude/agents ──SYMLINK──> continuous-claude/.claude/agents
优点:
- 更改会自动同步到仓库(可提交改进)
- 不需要在
git pull后重新安装 - 轻松贡献回社区
缺点:
- 仓库中的重大变更会立即影响您的设置
- 需要管理 Git 工作流
切换到符号链接模式
如果您以复制模式安装并希望切换:
# 备份当前配置
mkdir -p ~/.claude/backups/$(date +%Y%m%d)
cp -r ~/.claude/{rules,skills,hooks,agents} ~/.claude/backups/$(date +%Y%m%d)/
# 在继续操作前确认备份成功
ls -la ~/.claude/backups/$(date +%Y%m%d)/
# 移除副本(仅在确认上述备份后)
rm -rf ~/.claude/{rules,skills,hooks,agents}
# 创建符号链接(请根据您的仓库路径调整)
REPO="$HOME/continuous-claude" # 或您克隆的位置
ln -s "$REPO/.claude/rules" ~/.claude/rules
ln -s "$REPO/.claude/skills" ~/.claude/skills
ln -s "$REPO/.claude/hooks" ~/.claude/hooks
ln -s "$REPO/.claude/agents" ~/.claude/agents
# 验证
ls -la ~/.claude | grep -E "rules|skills|hooks|agents"
Windows 用户: 使用 PowerShell(以管理员身份运行或启用开发者模式):
# 首先启用开发者模式(设置 → 隐私与安全 → 开发者选项)
# 或以管理员身份运行 PowerShell
# 备份当前配置
$BackupDir = "$HOME\.claude\backups\$(Get-Date -Format 'yyyyMMdd')"
New-Item -ItemType Directory -Path $BackupDir -Force
Copy-Item -Recurse "$HOME\.claude\rules","$HOME\.claude\skills","$HOME\.claude\hooks","$HOME\.claude\agents" $BackupDir
# 在继续操作前确认备份成功
Get-ChildItem $BackupDir
# 移除副本(仅在确认备份后)
Remove-Item -Recurse "$HOME\.claude\rules","$HOME\.claude\skills","$HOME\.claude\hooks","$HOME\.claude\agents"
# 创建符号链接(请根据你的仓库位置调整路径)
$REPO = "$HOME\continuous-claude" # 或者你克隆代码库的任何位置
New-Item -ItemType SymbolicLink -Path "$HOME\.claude\rules" -Target "$REPO\.claude\rules"
New-Item -ItemType SymbolicLink -Path "$HOME\.claude\skills" -Target "$REPO\.claude\skills"
New-Item -ItemType SymbolicLink -Path "$HOME\.claude\hooks" -Target "$REPO\.claude\hooks"
New-Item -ItemType SymbolicLink -Path "$HOME\.claude\agents" -Target "$REPO\.claude\agents"
# 验证
Get-ChildItem "$HOME\.claude" | Where-Object { $_.LinkType -eq "SymbolicLink" }
对于已有项目
安装完成后,启动 Claude 并运行:
> /onboard
这将分析代码库并创建初始的连续性账本。
配置
.claude/settings.json
用于配置钩子、工具和工作流的中心化配置文件。
{
"hooks": {
"SessionStart": [...],
"PreToolUse": [...],
"PostToolUse": [...],
"UserPromptSubmit": [...]
}
}
.claude/skills/skill-rules.json
技能激活触发条件。
{
"rules": [
{
"skill": "fix",
"keywords": ["fix this", "broken", "not working"],
"intentPatterns": ["fix.*(bug|issue|error)"]
}
]
}
环境变量
| 变量 | 用途 | 是否必需 |
|---|---|---|
DATABASE_URL |
PostgreSQL 连接字符串 | 是 |
BRAINTRUST_API_KEY |
会话追踪 | 否 |
PERPLEXITY_API_KEY |
网络搜索 | 否 |
NIA_API_KEY |
文档搜索 | 否 |
CLAUDE_OPC_DIR |
CC 的 opc/ 目录路径(由向导设置) | 自动 |
CLAUDE_PROJECT_DIR |
当前项目目录(由 SessionStart 钩子设置) | 自动 |
即使没有 API 密钥,以下服务仍然可以正常工作:
- 连续性系统(账本、交接)
- TLDR 代码分析
- 本地 Git 操作
- TDD 工作流
目录结构
continuous-claude/
├── .claude/
│ ├── agents/ # 32 个专业化的 AI 代理
│ ├── hooks/ # 30 个生命周期钩子
│ │ ├── src/ # TypeScript 源代码
│ │ └── dist/ # 编译后的 JavaScript
│ ├── skills/ # 109 个模块化能力
│ ├── rules/ # 系统策略
│ ├── scripts/ # Python 工具脚本
│ └── settings.json # 钩子配置
├── opc/
│ ├── packages/
│ │ └── tldr-code/ # 5 层代码分析
│ ├── scripts/
│ │ ├── setup/ # 向导、Docker、集成
│ │ └── core/ # recall_learnings, store_learning
│ └── docker/
│ └── init-schema.sql # 4 表的 PostgreSQL 模式
├── thoughts/
│ ├── ledgers/ # 连续性账本(CONTINUITY_*.md)
│ └── shared/
│ ├── handoffs/ # 会话交接(*.yaml)
│ └── plans/ # 实施计划
└── docs/ # 文档
贡献
请参阅 CONTRIBUTING.md,了解关于以下方面的指南:
- 添加新技能
- 创建代理
- 开发钩子
- 扩展 TLDR
致谢
模式与架构
- @numman-ali - 连续性账本模式
- Anthropic - Claude Code 和“带有 MCP 的代码执行”
- obra/superpowers - 代理编排模式
- EveryInc/compound-engineering-plugin - 复合工程工作流
- yoloshii/mcp-code-execution-enhanced - 增强的 MCP 执行
- HumanLayer - 代理模式
工具与服务
- uv - Python 打包
- tree-sitter - 代码解析
- Braintrust - LLM 评估、日志记录和会话追踪
- qlty - 通用代码质量 CLI(70 多种 linter)
- ast-grep - 基于 AST 的代码搜索和重构
- Nia - 库文档搜索
- Morph - WarpGrep 快速代码搜索
- Firecrawl - 网页抓取 API
- RepoPrompt - 高效的代码库映射
星标历史
许可证
MIT - 可自由使用,并欢迎贡献回社区。
Continuous Claude:不仅仅是一个编码助手——它是一个持久、可学习的多代理开发环境,每次会话都会变得更加智能。
常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
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
opencode
OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信
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。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
