- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出
2025年末bash is all need思想的普及，包括claudecode，codex，cursor，antigravity等ai编程工具都采用了bash命令这种思想，例如，当我们让ai找一个具体的代码的时候，他会grep搜索相关的关键词，不停的翻看查找，这就有一个问题，我们刚操作ai助手的时候，他是一个比较纯洁的上下文，所以性能是最强的时候，随着上下文增多，性能越来越差，佬友们肯定感同身受。在算法层面，transform架构也面临同样的问题，deepseek-ngram（ps：有幸改了一个单词误用作为了deepseek-ngram仓库的贡献者）提出了一种解决思想，以空间为代价，换取性能上的优化，我的这个开源项目也借鉴了这种思想。
github.com
GitHub - study8677/antigravity-workspace-template: 🪐 The ultimate starter kit for AI IDEs, Claude...
🪐 The ultimate starter kit for AI IDEs, Claude code，codex, and other agentic coding environments.
具体的思路如图，维护一个项目知识库及agent，claudecode和codex这种工具只需要ask就可以获取项目的非常详细的细节，而不用牺牲上下文，这个方案和subagent获取信息相比，更全面，也兼顾不同架构之间的信息，同时他也不依赖最顶级的claude/gpt的编程模型，测试时，minmax2.7这个级别的模型便可以很好的完成任务。
同时agent.md文件用的是python的import this，这个很简洁，平时使用也一直在用为系统提示词
项目开源之后，因为运气原因，不知不觉就1.1kstar了，逛l站也很久了，也开源了一些东西，也希望分析给佬友，如果有issue或者方向的指点，感激不尽。
当前的难点也很明显，之前只规划于python项目，所以有一层import架构层，有一个issue提出go项目不能用，所以就砍掉，借鉴了另一个知识图谱的项目，然后github_trending上有一个把仓库向量搜索的解决方案，个人认为向量匹配这方面并不是很优雅的解决方案，原因是，不够简单明了。
当前方案还有一个问题是，每次refresh都要全部来形成agent.md，这个很有问题，目前正在寻找解决方案，即每次只需要刷新改动部分，和git部分就好了。
（ps：在进入l站前，项目一直停滞，虽然实习公司报销订阅费，但是一直没有api来使用，感谢各位佬的教程，反代教学，得以咸鱼30块买到质保teams，项目才能很好的推进）
如果需要项目经历，欢迎pr，非破坏性质都会合并。
欢迎star
10 个帖子 - 5 位参与者
来源: linux.do查看原文