Continuous-Claude-v3

GitHub
3.7k 287 较难 1 次阅读 今天MIT插件Agent
AI 解读 由 AI 自动生成,仅供参考

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

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具是基于 Claude Code 的多智能体开发环境,并非本地运行的大模型,因此无需 GPU。主要依赖 Docker 运行本地 PostgreSQL 数据库(需启用 pgvector 扩展),并使用 uv 作为包管理器。安装过程包含一个 12 步的设置向导,用于配置数据库、API 密钥及集成 Claude Code。支持可选的远程数据库部署(如 AWS RDS, Supabase)。数学功能(SymPy, Z3, Pint)和某些诊断工具为可选项。
python3.11+
uv
Docker
PostgreSQL (with pgvector)
Claude Code CLI
SymPy (可选)
Z3 (可选)
Pint (可选)
ast-grep (可选)
Loogle (可选)
Continuous-Claude-v3 hero image

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

许可证:MIT Claude Code 技能(109) 智能体(32) 钩子(30)

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 committldr-codeqlty-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)

查看详细的技能激活文档 →


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

  1. 归档当前设置 → 将 ~/.claude 移至 ~/.claude-v3.archived.<时间戳>
  2. 恢复备份 → 查找最近的 ~/.claude.backup.*(安装时创建),并将其恢复
  3. 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
  1. 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

~/.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

查看详细的技能分解 →


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

查看详细的代理指南 →

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

查看全部 30 个钩子 →


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

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

查看 TLDR 文档 →


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)

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
  1. 研究:使用 Loogle 搜索 Mathlib,找到证明策略。
  2. 设计:创建带有 sorry 占位符的框架。
  3. 测试:在证明之前寻找反例。
  4. 实现:在编译器反馈循环中填补 sorry
  5. 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
BRAINTRUST_API_KEY 会话追踪
PERPLEXITY_API_KEY 网络搜索
NIA_API_KEY 文档搜索
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

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

星标历史图


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

349.3k|★★★☆☆|1周前
Agent开发框架图像

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|★★★☆☆|1周前
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

160.4k|★★☆☆☆|今天
开发框架Agent语言模型

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

144.3k|★☆☆☆☆|2天前
Agent插件

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。

109.2k|★★☆☆☆|今天
开发框架图像Agent

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。

100.8k|★★☆☆☆|1周前
插件Agent图像