认知模式
提炼模块边界、组合方式、类型习惯和跨层协作方式，形成可复用的项目记忆。
AI coding memory generator
把代码库变成 AI 可读的 Skill 记忆
coding-memory 扫描项目文件，抽取确定性 Evidence，再让大模型提炼架构约定、设计决策、实现模式和反模式，生成可被 AI 编码助手直接加载的 SKILL.md。
npm install -g coding-memory
# configure your LLM
coding-memory config
# verify connection
coding-memory test
# learn this repository
coding-memory learn -p .它记住的不是代码文本，而是项目里的判断方式
让 AI 编码助手进入项目时，不再从零猜测目录、命名、状态管理、错误处理和工程化约定。
确定性证据
先用本地规则抽取 Evidence，再把证据作为事实地板注入 LLM，减少无依据推断。
可审计产物
同时输出 SKILL.md、分层 reference、EVIDENCE 和质量报告，方便人和 AI 一起检查。
实现原理
一条“扫描代码库 → 抽取证据 → LLM 提炼 → 本地治理 → 质量报告”的流水线。
扫描项目
按配置读取源文件，识别语言、项目类型、关键目录和可学习的代码样本。
抽取 Evidence
用可测试规则覆盖 Vue2/Vue3、React/Next、Node/NestJS、Java/Spring、Python、Go、Rust、.NET、PHP、Ruby、CI、容器和环境配置。
逐层生成
SYNTHESIZE 阶段按 L1-L8 逐层生成，每层注入相关样本和前序层摘要，降低长输出截断风险。
治理产物
拆分层级、过滤推测性内容、降级不安全模板，把待验证内容归入 Gaps。
生成报告
输出顶层 Skill、Evidence 明细和质量报告，让 AI 能读，也让维护者能审计。
生成产物
顶层文件给 AI 快速加载，reference 文件保留细节证据。
~/.coding-memory/<skillName>/
├── SKILL.md
├── QUALITY.md
└── reference/
└── <projectType>/
├── OVERVIEW.md
├── EVIDENCE.md
├── EVIDENCE.json
├── MANIFEST.json
├── TRACE.json
├── VERIFY.json
├── RUNS.md
├── L1-项目骨架.md
├── L2-模块与接口.md
├── L3-命名与类型.md
├── L4-实现模式.md
├── L5-数据与状态.md
├── L6-质量保障.md
├── L7-横切关注点.md
└── L8-工程化与启动.md给 AI 的入口
SKILL.md 是压缩后的调用入口，包含 Hard Rules、Type Rules、模板索引、反模式和场景指南。
给人的审计面
QUALITY.md、EVIDENCE.md/json、TRACE.json 和 RUNS.md 记录证据覆盖、低置信度项、待验证 Gaps、规则追踪和每轮 LLM 调用统计。
模型配置保持开放
内置常用模型服务预设，也支持代理网关、私有服务和第三方兼容接口。高级参数会原样传递给模型。
- 官方直连
- 中国主流
- 聚合与高速推理
- 本地/自托管
- 自定义连接
默认列表优先提供配置项较少、拿到 API key 后就容易跑通的服务。企业云、私有部署和网关服务通常有自己的地址、模型名和账号规则，可以通过自定义连接填写；豆包这类需要控制台模型或 endpoint ID 的服务，也会在配置时提示手动填写。
准备给你的项目建立记忆
安装 CLI，配置模型，然后在代码库中运行 coding-memory learn -p .。
实现原理细节见 docs/dev/IMPLEMENTATION.md。