加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
凌晨两点，你正深陷一个复杂的重构任务。Claude Code 刚刚帮你理解了三层嵌套的业务逻辑，搞清楚了哪些模块负责认证、哪些处理支付、资金流转的边界在哪里。你花了整整四十分钟，才让它建立起对你代码库的直觉——然后你输入 *end 关闭了会话。
第二天早上，你重新打开 Claude Code，开始处理昨天没完成的支付模块重构。你习惯性地问了一句："上次我们聊到哪了？" Claude Code 客气地回答：抱歉，我不记得我们上次讨论的内容——它真的不记得。
这不是 Claude Code 的 bug，这是它的设计逻辑：每一次会话都是全新的开始。模型权重是冻结的，对话历史只在当前 session 有效，一旦关闭，所有积累全部归零。这就是 AI 编程工具的"金鱼记忆"困境——每个 session 的开头，都是一场无奈的重复劳动。
basemode 解决的就是这个问题。
在 basemode 出现之前，开发者社区尝试过几种解法：
CLAUDE.md 是最原始的方案——在仓库根目录放一个文档，让 AI 每次都读一遍。但问题是，这个文档是静态的，不会随代码变化而更新，你得手动维护它，而且它不会自动判断"此刻什么相关、什么不相关"。
向量数据库记忆 是另一个思路：用 Embedding 把文档分段存进向量库，查询时做相似度匹配。但本质上这只是"找长得像的段落"，它不知道"这条决策管理的是哪些文件"，也不知道"这个模块依赖哪些上下文"。结果往往是返回了一个看起来相关但实际答非所问的段落。
LSP（语言服务器协议） 能回答"这个符号在哪里定义"，但它是单语言的、只管符号、不管语义，更谈不上项目级记忆。
图谱类工具（知识图谱导出工具）是近年冒出来的新方向——它们扫描代码，生成一个知识图谱。但这是批处理产物：生成一次，git commit 之后图谱就过时了，下次得手动重跑。而且它们只理解代码文件，不知道你的项目边界、团队决策、业务规则。
basemode 的核心洞察：记忆的价值不在于"存储"，而在于"投递"。一个没人主动去查询的记忆系统，在 Agent 工作流里毫无意义——Agent 在任务中途不会停下来去翻一个它不知道存在的数据库，它直接开猜。
basemode 的产品哲学是：在模型开始猜测之前，把正确的答案放到它眼前。
basemode（BASE = Builder's Automated State Engine）是一个 Rust 编写的 AI 构建操作系统，核心功能是把 Claude Code 从一个"每次会话从零开始"的工具，变成一个"永远记得项目上下文、知道你在做什么、主动提供相关知识"的持久化工作伙伴。
它不是又一个 ChatGPT 插件，也不是一个需要手动维护的文档库。它是一个运行时上下文注入引擎，通过深度集成 Claude Code 的 Hook 管道，在四个关键时刻自动把相关信息推送到模型眼前：
| 会话时刻 | basemode 注入内容 |
|---|---|
| 会话启动时 | 当前项目的活跃上下文、待处理交接事项、过时文件信号 |
| 你发出指令时 | 与指令相关的领域规则、历史决策、相关笔记 |
| 工具执行前 | 即将操作的文件结构（函数、类、依赖关系），在模型读取文件内容之前就到达 |
| 工具返回后 | 调用链信息——刚读取的代码片段在整个系统中的位置和意义，趁记忆还新鲜时注入 |
关键是：这些信息不是 Claude Code 自己去找的，是 basemode 主动推送的。模型不需要知道 basemode 的存在，不需要改变任何提问方式，只是在不知不觉中获得了"本来就知道"的上下文感知能力。
basemode 的技术选型非常精打细算：
语言：Rust（单二进制 ~20MB）。不需要任何运行时依赖，预编译二进制通过安装脚本分发，覆盖 macOS/Linux/Windows 三大平台。对用户来说，安装过程就是一条 curl 命令，不需要 Rust 工具链，不需要编译。
图数据库：Oxigraph（嵌入式内存图）。Oxigraph 是一个用 Rust 编写的 RDF 图数据库，完整实现了 SPARQL 1.1 规范。所有知识以 RDF 三元组形式存储，查询走 SPARQL，而不是简陋的字符串匹配。
持久化：NQuads 文本文件。图谱数据存储在 .base/ 目录下的纯文本文件中（.nt 格式），每一行一个 RDF 三元组。这意味着图谱天然受 Git 版本控制——你修改了哪些决策、添加了哪些规则，git diff 一目了然。原子写入机制保证了数据一致性。
代码理解：Tree-sitter（35+ 语言）。basemode 的 base sync --ast 命令对代码仓库做 AST 级别的扫描，提取函数签名、类定义、导入关系、调用依赖——所有这些解析完全由 Tree-sitter 完成，支持 35 种主流编程语言。扫描结果直接进入图谱，"这个函数在哪里被调用"、"这个类依赖哪些模块"，都是图查询，不是 grep。
Agent 集成：Claude Code Hooks。basemode 通过 Claude Code 的 settings.json hook 机制注入上下文。这是 Claude Code 官方暴露的扩展接口，允许外部程序在每次 Agent 回合的输入前/输出后读写 JSON 数据。basemode 在四个时机注入对应查询结果，Claude Code 无感知地接收上下文，开发者无感知地受益。
Web UI：Svelte + Vite。base dashboard 启动一个嵌入式 Web 控制台，基于 Svelte 构建，对图谱数据做可视化。用户可以在浏览器里浏览知识图谱的结构、查看项目关系、追踪决策历史。
会话协调：Relay。basemode 内置了一个本地中继服务（Relay），支持多会话之间的状态同步和任务交接。*handoff 指令让当前会话的工作状态传递给下一个会话，*fork 让你暂存侧翼任务而不打断主线，*end 同时执行交接、存档和总结。这对于需要在多个 Claude Code 会话之间切换的复杂项目尤其有用。
basemode 的 .base/ 目录维护着对你代码库的完整理解：哪些模块代表哪个业务领域、每个领域有哪些规则、最近的决策是什么、谁负责哪个部分。这个理解在每次会话之间保持存活，并在模型需要时精确投递。
# 注册一个项目
base p a -n "My App" -p "src"
# 教它一条规则
base rule add --domain myapp --text "迁移必须通过 CLI，永远不直接执行原始 SQL"
# 以后你操作数据库相关代码时，这条规则会自动出现在上下文中
# 添加一条决策记录
base decision log --domain billing --decision "改用 Stripe 而非自建支付" --rationale "自建支付合规成本过高"
不需要你手动维护任何东西：第一次在项目中打开 Claude Code 并读取文件时，basemode 在后台异步构建代码图谱——Tree-sitter 扫描所有源文件，提取函数、类、导入、调用关系，写入图谱。之后的每次编辑操作自动增量更新图谱。你永远不会看到"正在构建图谱"的提示，除非出了错误。
# 手动触发全量同步（可选）
base sync --ast --target src
# 查询图谱
base a q -c "validate" # 查找名为 validate 的实体
base a q --calls "authenticate" # 谁调用了 authenticate 函数
base a q -f "main.rs" # main.rs 里有什么
这是 basemode 与其他工具最本质的区别。其他工具的模式是"你提问 → 它搜索 → 返回结果"，basemode 的模式是"你在工作 → 它判断 → 自动注入"。模型在开始执行任务之前，就已经看到了相关文件结构、领域规则和历史决策。
basemode 支持对 Markdown 文档做概念级图谱提取：
base graph extract --target docs/ # LLM 解析文档，提取概念和关系
base graph query "为什么我们放弃了 Vercel？" # 从图谱检索并综合回答
*handoff # 结束当前会话，状态存入交接队列
*fork # 暂存当前任务，稍后继续
*base # 把当前会话的决策、任务和学习写入图谱
*end # 同时执行以上三个操作
局限一：强依赖 Claude Code。basemode 目前专为 Claude Code 设计，通过其 hook 机制注入上下文。对于其他 AI 编程工具（Cursor、Copilot、WindSurf），basemode 官方文档明确标注"coming soon"。如果你不使用 Claude Code，这个工具的价值大打折扣。
局限二：图谱构建有初始延迟。首次在一个项目中启用时，后台 AST 扫描需要遍历整个代码库。对于大型 monorepo，这可能需要几十秒到数分钟，期间模型暂时没有图谱上下文支撑。不过这是异步操作，不阻塞你的正常编辑。
局限三：无 Docker 支持。basemode 没有提供 Dockerfile 或 docker-compose.yaml，无法通过容器化方式一键部署。你必须逐台机器运行安装脚本，对于需要快速批量部署到多台机器的场景，这增加了运维复杂度。不过这也是其设计哲学的一部分——极简的单二进制分发，不需要容器运行时。
License 争议。basemode 采用 FSL 1.1（Functional Source License）+ Apache 2.0 未来许可。FSL 是一种"源代码可用但有使用限制"的许可证，禁止将 basemode 本身作为服务来销售（不能提供"basemode 即服务"类产品）。商业使用是允许的，但如果你计划基于 basemode 构建商业产品，需要仔细阅读 LICENSING.md 确认合规边界。
basemode 背后有一个更大的趋势：AI 编程正在从"模型能力竞争"进化到"上下文工程竞争"。当模型能力本身已经足够强大（GPT-4o、Claude Sonnet 在代码任务上差异有限），决定开发效率的关键变量变成了：模型在开始工作之前，拥有多少正确的上下文。
传统的上下文获取方式（手动写 CLAUDE.md、粘贴代码片段、口头描述项目背景）本质上都是人在做知识整理工作。basemode 的目标是让机器接管这部分工作——自动构建、自动维护、自动投递。
从增长曲线看，basemode 的 GitHub 页面虽然只有 172 颗星，但其 topic 标签（agentic-ai、context-engineering、code-intelligence）精准命中了 2025-2026 年 AI Agent 领域最热门的议题方向。作者 Chris Kahler 持续活跃更新（v0.14.2），文档质量高，社区反馈积极。
安装（macOS / Linux）
curl -fsSL https://raw.githubusercontent.com/ChristopherKahler/base/main/install.sh | sh
安装（Windows）
irm https://raw.githubusercontent.com/ChristopherKahler/base/main/install.ps1 | iex
初始化项目
cd ~/my-workspace
base scaffold # 创建 .base/ 目录并安装 Claude Code hooks
base p a -n "My App" -p "src" # 注册项目
开始使用
打开 Claude Code，basemode 会在首次读取文件时自动构建代码图谱。之后的每次会话，正确的上下文都会自动出现在你的 Agent 回合里。
查看 Web 控制台：
base dashboard