cursor-memory-bank

GitHub
3k 444 非常简单 1 次阅读 今天Agent插件
AI 解读 由 AI 自动生成,仅供参考

cursor-memory-bank 是一款专为 Cursor 编辑器设计的模块化开发框架,旨在通过结构化的工作流引导 AI 完成软件开发任务。它利用 Cursor 2.0 的自定义命令(如 /van 初始化、/plan 规划、/build 实施等),将复杂的开发过程拆解为清晰的阶段,并借助持久化的“记忆库”文件在不同阶段间保持上下文连贯,有效解决了 AI 在长周期任务中容易丢失语境、逻辑跳跃或产出混乱的痛点。

该工具特别适合希望提升 AI 编程效率与规范性的开发者使用。无论是独立程序员还是小型团队,都能利用它建立标准化的研发流程,从需求分析到文档归档实现全链路管理。其核心技术亮点在于“分层规则加载”与"Token 优化架构”:系统仅按需加载当前阶段所需的规则,大幅降低了 Token 消耗;同时支持根据任务复杂度动态调整工作流深度。此外,cursor-memory-bank 具备高度的可塑性,用户可直接指令 AI 修改内部规则以适配个人习惯,无需依赖外部维护,让每位开发者都能拥有量身定制的智能编程助手。

使用场景

一位全栈开发者正在利用 Cursor 重构一个遗留的电商订单系统,需要在理解复杂业务逻辑的同时引入新的微服务架构。

没有 cursor-memory-bank 时

  • 上下文频繁丢失:在多轮对话中,AI 经常忘记之前的架构决策或已完成的模块细节,导致开发者需反复粘贴代码片段和背景信息来“唤醒”记忆。
  • 开发流程混乱:缺乏标准化的阶段引导,AI 往往跳过设计直接生成代码,导致后期发现逻辑漏洞时需要大幅返工。
  • 文档与代码脱节:项目进度和架构变更仅存在于聊天记录中,无法自动沉淀为可查阅的项目文档,新人接手或后续维护极其困难。
  • Token 消耗巨大:每次交互都需携带大量冗余的历史上下文,不仅响应变慢,还容易触及模型的上下文长度限制。

使用 cursor-memory-bank 后

  • 持久化记忆保持:通过 activeContext.mdprogress.md 文件,cursor-memory-bank 让 AI 始终知晓项目当前状态和既定规则,无需重复输入背景信息。
  • 结构化流程引导:开发者依次调用 /van/plan/creative/build 命令,强制 AI 按“初始化→规划→设计→实施”的科学路径执行,显著降低返工率。
  • 自动文档归档:每完成一个阶段,/archive 命令会自动更新架构图和任务清单,确保代码实现与项目文档实时同步,形成完整的知识资产。
  • 高效 Token 管理:得益于分层规则加载机制,cursor-memory-bank 仅在当前阶段载入必要规则,减少了约 70% 的无效 Token 消耗,使长周期开发更流畅。

cursor-memory-bank 将零散的 AI 辅助编程转化为具备持久记忆和标准流程的工程化协作体系,极大提升了复杂项目的交付质量与维护性。

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本工具是 Cursor 编辑器的规则和工作流系统,非独立运行的 AI 模型。核心依赖为 Cursor 编辑器(需 2.0 及以上版本以支持命令功能)。推荐使用 Claude 4 Sonnet 或 Claude 4 Opus 模型以获得最佳效果,特别是使用 `/creative` 命令时。无需安装 Python 环境、GPU 或特定深度学习库,只需将配置文件克隆至项目目录即可使用。
python未说明
Cursor Editor v2.0+
cursor-memory-bank hero image

快速开始

记忆库系统 v0.8

一种基于令牌优化的分层任务管理系统,利用 Cursor 2.0 命令实现高效的开发工作流。

graph TD
    Main["记忆库系统"] --> Commands["Cursor 2.0 命令"]
    Main --> Rules["分层规则加载"]
    Main --> Visual["可视化流程图"]
    Main --> Token["令牌优化"]
    Main --> Memory["记忆库文件"]
    
    Commands --> VAN["/van: 初始化"]
    Commands --> PLAN["/plan: 任务规划"]
    Commands --> CREATIVE["/creative: 设计"]
    Commands --> BUILD["/build: 实现"]
    Commands --> REFLECT["/reflect: 回顾"]
    Commands --> ARCHIVE["/archive: 文档化"]
    
    Memory --> Tasks["tasks.md"]
    Memory --> Active["activeContext.md"]
    Memory --> Progress["progress.md"]
    Memory --> Creative["creative/"]
    Memory --> Archive["archive/"]
    
    style Main fill:#4da6ff,stroke:#0066cc,color:white
    style Commands fill:#f8d486,stroke:#e8b84d,color:black
    style Rules fill:#80ffaa,stroke:#4dbb5f,color:black
    style Visual fill:#d9b3ff,stroke:#b366ff,color:black
    style Token fill:#ff9980,stroke:#ff5533,color:black
    style Memory fill:#f9d77e,stroke:#d9b95c,color:black

个人说明: 记忆库是我个人的兴趣项目,专为我在编码项目中的使用而开发。由于这是一个个人项目,我并未维护问题跟踪器或主动收集反馈。不过,如果您在使用这些规则时遇到问题,其一大优势在于可以直接请求 Cursor AI 修改或更新规则,以更好地适应您的特定工作流。该系统设计为可由 AI 自行调整,使您无需外部支持即可根据自身需求进行定制。

关于记忆库

记忆库是一种结构化的开发工作流系统,利用 Cursor 2.0 命令引导您完成开发过程的不同阶段。它采用分层规则加载架构,仅加载每个阶段所需的规则,从而优化令牌使用并提供量身定制的指导。

工作原理

版本 0.8 将自定义模式改为使用 Cursor 命令。记忆库通过六个专用命令协同工作,形成一个集成的工作流:

  1. /van - 初始化项目、检测平台、确定任务复杂度
  2. /plan - 根据复杂度级别创建详细的实施计划
  3. /creative - 探索需要设计决策的组件的设计方案
  4. /build - 系统地实施计划中的变更
  5. /reflect - 回顾已完成的工作并记录经验教训
  6. /archive - 创建全面的文档并更新记忆库

每个命令都会读取和更新共享的记忆库目录(memory-bank/),在整个工作流中保持持久的上下文。

令牌优化架构

版本 0.7 引入了显著的令牌优化改进:

  • 分层规则加载:初始仅加载必要规则,并采用专门的惰性加载机制(令牌消耗减少约 70%)
  • 渐进式文档化:实施随任务复杂度扩展的简洁模板
  • 优化的命令过渡:在命令之间高效保存关键上下文
  • 分级工作流:根据任务复杂度调整文档要求(等级 1–4)
  • 惰性加载的专用规则:仅在需要时加载专用规则(例如架构设计与 UI/UX 设计)

有关所有优化方法的详细信息,请参阅 记忆库优化 文档。

基于命令的工作流系统

记忆库将开发转变为一个结构化的分阶段过程:

  • 基于图的命令集成:命令是开发工作流中的相互连接节点
  • 工作流推进:命令按逻辑顺序依次过渡(/van/plan/creative/build/reflect/archive
  • 共享记忆:通过记忆库文件在命令间转移时保持持久状态
  • 自适应行为:每个命令会根据项目复杂度级别调整其建议
  • 渐进式规则加载:命令仅加载必要的规则,从而减少上下文窗口的使用

这种方法将开发从随意编码转变为一个协调一致的系统,各专用阶段协同工作。

CREATIVE 命令与 Claude 的“Think”工具

/creative 命令的概念基础源自 Anthropic 的 Claude “Think” 工具方法论,如其工程博客所述。版本 0.8 实现了一个优化版本,具有以下特点:

  • 渐进式文档化,包含表格形式的选项比较
  • “按需细化”方法,兼顾令牌效率
  • 随复杂度级别扩展的结构化模板
  • 为实施阶段高效保存上下文

有关记忆库如何实现这些原则的详细说明,请参阅 CREATIVE 模式与 Claude 的“Think”工具 文档。

主要特性

  • Cursor 2.0 命令:原生集成 Cursor 的命令功能,无需额外设置
  • 分层规则加载:仅加载必要规则,并采用专门的惰性加载机制
  • 渐进式文档化:简洁的模板可根据任务复杂度扩展
  • 统一上下文传递:通过记忆库文件在命令间高效保存上下文
  • 命令专属可视化地图:清晰展示各个开发阶段的可视化内容
  • 分级工作流:根据复杂度调整流程(等级 1–4)
  • 平台感知命令:自动适应您的操作系统
  • 记忆库集成:所有命令均从共享的记忆库文件中读取并更新

安装说明

先决条件

  • Cursor 编辑器:需使用 2.0 版本或更高版本(命令功能)
  • AI 模型:推荐使用 Claude 4 Sonnet 或 Claude 4 Opus 以获得最佳效果,尤其是对于 /creative 命令的“Think”工具方法论

第一步:获取文件

只需将此仓库克隆到您的项目目录中:

git clone https://github.com/vanzan01/cursor-memory-bank.git

替代方案(手动)

从 ZIP 文件解压后:

  • .cursor 文件夹复制到您的项目目录中(包含规则和命令)
  • custom_modes 文件夹仅用于参考,非必需

注意:其他文档对记忆库运行并非必要,它们仅为说明性文件。您可以根据需要将其复制到名为 memory_bank_documents 的文件夹中。

第2步:使用命令

命令即开即用! 无需额外设置。

  1. 在 Cursor 聊天中输入 / 即可查看可用命令:

    • /van - 初始化与入口点
    • /plan - 任务规划
    • /creative - 设计决策
    • /build - 代码实现
    • /reflect - 任务反思
    • /archive - 任务归档
  2. /van 开始 初始化你的项目:

    /van 初始化添加用户认证功能的项目
    
  3. 按照工作流进行操作 - 每个命令都会引导你进入下一步

详细命令文档请参阅 /.cursor/commands/README.md

基本用法

快速入门

  1. 使用 /van 初始化

    /van 在应用中添加用户认证功能
    
    • 分析你的项目结构
    • 确定任务复杂度(1-4级)
    • 如有必要,创建记忆库结构
    • 引导至相应的下一步命令
  2. 根据复杂度遵循工作流

    1级(快速修复Bug):

    /van → /build → /reflect → /archive
    

    2级(简单增强):

    /van → /plan → /build → /reflect → /archive
    

    3-4级(功能/系统):

    /van → /plan → /creative → /build → /reflect → /archive
    

命令参考

/van - 初始化与入口点

用途: 初始化记忆库,检测平台,确定任务复杂度,引导至相应的工作流。

用法:

/van [任务描述]

作用:

  • 检测你的操作系统并调整命令
  • 验证或创建记忆库结构
  • 分析任务需求
  • 确定复杂度等级(1-4)
  • 更新 memory-bank/tasks.md 中的初始任务信息

下一步:

  • 1级 → /build
  • 2-4级 → /plan

/plan - 任务规划

用途: 根据复杂度等级制定详细的实施方案。

用法:

/plan

作用:

  • memory-bank/tasks.md 中读取任务要求
  • 审查代码库结构
  • 制定实施方案(根据复杂度)
  • 进行技术验证(2-4级)
  • 确定需要创意阶段的组件
  • 更新 memory-bank/tasks.md 中的完整计划

下一步:

  • 如果有创意阶段 → /creative
  • 如果没有创意阶段 → /build

/creative - 设计决策

用途: 对标记的组件进行结构化的设计探索。

用法:

/creative

作用:

  • memory-bank/tasks.md 中读取需进行创意工作的组件
  • 针对每个组件探索多种设计方案
  • 分析每种方案的优缺点
  • 选择并记录推荐方案
  • 创建 memory-bank/creative/creative-[feature_name].md 文档
  • 更新 memory-bank/tasks.md 中的设计决策

下一步:

  • 所有创意阶段完成后 → /build

/build - 代码实现

用途: 按照计划和创意决策实施更改。

用法:

/build

作用:

  • memory-bank/tasks.md 中读取实施方案
  • 读取创意阶段文档(3-4级)
  • 系统地实施更改
  • 测试实施结果
  • 记录执行的命令及结果
  • 更新 memory-bank/tasks.mdmemory-bank/progress.md

下一步:

  • 实施完成后 → /reflect

/reflect - 任务反思

用途: 对已完成的实施进行结构化的反思。

用法:

/reflect

作用:

  • 回顾已完成的实施
  • 与原始计划进行对比
  • 记录成功之处
  • 记录遇到的挑战
  • 记录经验教训
  • 记录流程和技术改进
  • 创建 memory-bank/reflection/reflection-[task_id].md
  • 更新 memory-bank/tasks.md 中的反思状态

下一步:

  • 反思完成后 → /archive

/archive - 任务归档

用途: 创建全面的归档文档并更新记忆库。

用法:

/archive

作用:

  • 读取反思文档和任务详情
  • 创建全面的归档文档
  • 归档创意阶段文档(3-4级)
  • 更新 memory-bank/tasks.md 将任务标记为已完成
  • 更新 memory-bank/progress.md 中的归档引用
  • 重置 memory-bank/activeContext.md 以准备下一项任务
  • 创建 memory-bank/archive/archive-[task_id].md

下一步:

  • 归档完成后 → /van(开始下一项任务)

示例工作流

以下是一个完整的3级功能工作流示例:

# 第1步:初始化
/van 添加支持OAuth2的用户认证功能

# 第2步:规划(VAN会根据3级任务引导至PLAN)
/plan

# 第3步:探索OAuth集成的设计方案
/creative

# 第4步:实现该功能
/build

# 第5步:对实施进行反思
/reflect

# 第6步:归档已完成的任务
/archive

记忆库结构

所有记忆库文件都存储在 memory-bank/ 目录中:

graph LR
    subgraph "记忆库目录"
        Tasks["tasks.md<br>真相来源"]
        Active["activeContext.md<br>当前焦点"]
        Progress["progress.md<br>实施状态"]
        Brief["projectbrief.md<br>项目基础"]
        Creative["creative/<br>设计决策"]
        Reflect["reflection/<br>回顾文档"]
        Archive["archive/<br>已完成任务"]
    end
    
    style Tasks fill:#f9d77e,stroke:#d9b95c,stroke-width:3px,color:black
    style Active fill:#a8d5ff,stroke:#88b5e0,color:black
    style Progress fill:#c5e8b7,stroke:#a5c897,color:black
    style Brief fill:#d9b3ff,stroke:#b366ff,color:black
    style Creative fill:#f4b8c4,stroke:#d498a4,color:black
    style Reflect fill:#b3e6cc,stroke:#66c999,color:black
    style Archive fill:#ffd9b3,stroke:#ffb366,color:black

核心文件

  • tasks.md:任务跟踪、检查清单和组件列表的核心真相来源
  • activeContext.md:保持当前开发阶段的关注点
  • progress.md:跟踪实施状态和观察结果
  • projectbrief.md:项目的基石和背景
  • productContext.md:产品特定的上下文和需求
  • systemPatterns.md:系统模式和架构决策
  • techContext.md:技术背景和技术栈

生成文件

  • creative/creative-[feature_name].md:设计决策文档(3-4级)
  • reflection/reflection-[task_id].md:反思文档
  • archive/archive-[task_id].md:已完成任务的归档文档

渐进式规则加载

每个命令都实现了渐进式规则加载,以优化上下文使用:

  1. 核心规则 - 始终首先加载

    • main.mdc - 系统基础
    • memory-bank-paths.mdc - 文件路径定义
  2. 命令特定规则 - 根据命令加载

    • 可视化流程图(例如:van-mode-map.mdc
    • 命令特定的工作流
  3. 复杂度特定规则 - 根据任务复杂度加载

    • 1级:workflow-level1.mdc
    • 2级:workflow-level2.mdctask-tracking-basic.mdc
    • 3级:workflow-level3.mdcplanning-comprehensive.mdc
    • 4级:workflow-level4.mdcarchitectural-planning.mdc
  4. 专用规则 - 仅在需要时惰性加载

    • 创意阶段类型(建筑、UI/UX、算法)
    • 高级验证规则
    • 平台特定的适配

这种方法相比一次性加载所有规则,可将初始令牌使用量减少约70%

复杂度级别

Memory Bank 会根据任务复杂度调整其工作流:

1级:快速修复Bug

  • 工作流/van/build/reflect/archive
  • 特点:单个文件更改,针对性修复
  • 文档:最少,专注于修复内容

2级:简单增强

  • 工作流/van/plan/build/reflect/archive
  • 特点:涉及多个文件,需求明确
  • 文档:基本计划、实施步骤

3级:中级功能

  • 工作流/van/plan/creative/build/reflect/archive
  • 特点:新增组件,需进行设计决策
  • 文档:全面计划、创意阶段、详细反思

4级:复杂系统

  • 工作流/van/plan/creative/build/reflect/archive
  • 特点:包含多个子系统,需做出架构决策
  • 文档:分阶段实施、架构图、全面归档

故障排除

命令未显示

  • 验证 Cursor 版本:确保您使用的是 Cursor 2.0 或更高版本
  • 检查文件位置:确保项目根目录下存在 .cursor/commands/ 目录
  • 重启 Cursor:有时需要重启才能检测到新命令

命令无法正常工作

  • 检查 Memory Bank:确认 memory-bank/ 目录是否存在
  • 验证任务状态:查看 memory-bank/tasks.md 中当前的任务状态
  • 回顾命令顺序:确保您遵循正确的工作流顺序
  • 检查规则:确认 .cursor/rules/isolation_rules/ 目录存在

规则未加载

  • 验证文件路径:确保规则文件位于 .cursor/rules/isolation_rules/
  • 检查文件权限:确认文件具有可读权限
  • 查看命令日志:检查命令试图加载哪些规则

Memory Bank 问题

  • 文件缺失:运行 /van 初始化 Memory Bank 结构
  • 状态损坏:检查 memory-bank/tasks.md 中的任务状态
  • 文件冲突:回顾最近对 Memory Bank 文件的更改

旧版自定义模式(已弃用)

注意:自定义模式已被弃用,推荐使用 Cursor 2.0 的命令。如果您正在使用 Cursor 2.0+,请改用命令。自定义模式的设置说明位于 custom_modes/ 目录中,仅供参考。

如果您使用的是不支持命令的旧版 Cursor,请参阅 命令迁移指南,了解有关旧版自定义模式设置的信息。

版本信息

这是 Memory Bank 系统的 v0.8 版本。它在保持所有功能的同时,相比 v0.7-beta 引入了显著的令牌优化改进。有关更改的详细信息,请参阅 发布说明

持续开发

Memory Bank 系统目前仍在积极开发和改进中。需要了解的关键点如下:

  • 开发中:这是一个处于开发中的测试版,预计会定期更新、优化并添加新功能。
  • 功能优化:模块化架构允许持续改进,而不会破坏现有功能。
  • 旧版本可用:如果您更倾向于使用旧版本(v0.1-legacy)的稳定性,可以在当前版本成熟之前继续使用。
  • 架构优势:在决定使用哪个版本之前,请阅读 Memory Bank 升级指南,以了解新架构带来的显著优势。

资源

贡献

如上文个人说明所述,Memory Bank 是一个个人项目。然而,如果您觉得它有用并希望将其应用于自己的需求,您可以:

  1. 咨询 Cursor AI:直接使用 Cursor AI 修改规则和命令
  2. 分支并定制:克隆仓库并根据您的工作流进行调整
  3. 分享改进:如果您做出了有用的改进,可以考虑与社区共享

注:此 README 适用于 v0.8 版本,并可能随系统演进而变化。

版本历史

0.8-beta2025/12/05
0.7-beta2025/05/07
0.6-beta.12025/04/01
v0.1-legacy2025/04/01

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|★★★☆☆|6天前
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|★★★☆☆|6天前
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

151.3k|★★☆☆☆|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。

108.3k|★★☆☆☆|昨天
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|★★☆☆☆|2天前
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|5天前
插件开发框架