Lore 快速入门 · 比较 · 工作原理 · 文档 · 命令行工具 · 更新日志 给你的编码代理提供你团队已经做出的决策 —— 这样它就不会重复做那些你已经排除的事情。Lore 保留你团队的记录知识 —— 需求、决策、设计、路线图和提示 —— 在你的代码库中以 Markdown 格式存储，并通过 MCP 以只读方式提供给 Claude Code、Cursor 和 Claude Desktop，这样代理就引用你的决策，而不是违反它们。没有 RAG，没有嵌入，没有模型调用来决定什么是相关的 —— 检索是确定性和可重复的。它建立在 RAC 基础上 —— 作为代码的需求，这是底层的开源引擎；该软件包、CLI 和 MCP 服务器以 rac 名称发布。比较 如何比较 Lore 不是搜索索引或记忆工具 —— 它是代理基于的确定性记录系统。模糊检索（RAG，代理记忆）擅长找到与松散问题接近的内容；Lore 擅长返回确切的、当前的决策，并拒绝你已取代的决策。它们组合得很好 —— 模糊回忆，然后在 Lore 中验证。 Lore 模糊检索（RAG / 代理记忆） 擅长找到确切的、当前的决策，寻找哪个问题接近 检索确定性、可重复 性、相似性排序，按运行情况变化 角色 真实来源，只读快速索引或工作副本 在 CI 中强制执行（rac validate / rac gate）并不在于其职责。快速入门 安装引擎：pip install rac-core 构建身份和你的第一个工件：rac quickstart 连接你的代理（Claude Code，从你的代码库根目录）：claude mcp add lore -- rac mcp 在 CI 中强制执行，以确保坏知识永远不落地：rac validate rac/ && rac gate rac/ 安装命令 可以让你 pip install rac-core、rac CLI + lore MCP 服务器 pip install 'rac-core[ingest]' + DOCX / HTML 导入 pip install 'rac-core[ingest-all]' + PDF / PPTX / XLSX 导入 pip install 'rac-core[explorer]' + 终端资源管理器（rac explorer） 需要 Python 3.11+。uv 工具安装 rac-core 也可以使用。工作原理 在你的代码库中使用格式化的 Markdown。每个工件都是纯 Markdown，带有一个小的前置元数据；引擎以确定性分类，并根据每种类型的模式进行验证。读取时为只读。MCP 服务器始终只读取；信任边界是人工 PR 审核，代理无法更改存储。在写入时强制执行。rac validate 和 rac gate 拒绝格式不正确的工件、损坏或含糊的链接以及对已取代决策的引用 —— 在 CI 中，在知识落地之前。设计上是隔离的。引擎不进行 LLM 调用和网络调用；唯一的数据出口是一个基于同意的、无内容的使用 ping，默认关闭，受管控的安装可以通过 rac telemetry off —— enterprise（安全姿态，ADR-086）来证明它保持关闭。连接你的代理 Claude Code（从你的代码库根目录）：claude mcp add lore -- rac mcp Claude Desktop / Cursor（客户端配置中的 mcpServers）：{ "mcpServers" : { "lore" : { "command" : " rac " , "args" : [ " mcp " , " --root " , " /absolute/path/to/your/repo " ] } } } } 作者和强制执行工件 rac quickstart # 设置身份 + 构建你的第一个工件 rac new decision adr.md # 构建一个格式化的工件（创建 ID） rac validate rac/ # 检查目录中的每个工件 rac inspect requirement.md # 查看其类型和完整性 rac review rac/ # 完整的存储库审查，首先解决最严重的问题 rac gate rac/ # 合并门：验证 + 关系 + 审核 导入现有决策 已在 Confluence、Notion 或松散的 Markdown 中拥有决策？rac-import 代理技能将一个现有文档转换为一个有效的工件，在写入任何内容之前进行人工审核步骤：rac skill install rac-import 然后用简单的语言问你的代理：“将此决策文档导入 Lore。”它仅从你的文档中草拟，向你展示建议的类型、标题和关系以供确认，使用 rac new 进行搭建，并在 rac validate 上完成。对于多格式或批量转换，使用 rac-ingest 技能。导出语料库 rac export rac/ --html --out lore.html # 门户：整个图，一个文件 rac export rac/ --okf # 符合开放知识格式的捆绑包 rac export rac/ --documents # JSONL 用于内存/RAG 后端 rac export rac/ --graph # 针对图形后端的类型决策图 --documents 和 --graph 模式为外部内存、RAG 和图形工具提供反馈，以便代理可以模糊记忆并在 Lore 中验证 —— 请参阅 CLI 参考。连接器本身在单独的 lore-connectors 伴侣中提供。Python API 引擎也是一个库；其公共接口为 rac.__all__ 。从 rac 导入 parse_file、classify、find_artifacts art = parse_file ( "rac/decisions/adr-001-markdown-first.md" ) print ( classify ( art ). type ) # -> "decision" result = find_artifacts ( "rac/" , "caching" ) # 返回一个搜索结果，对于匹配的每个结果： print ( hit . id , hit . title ) 如何与 OKF 相关 谷歌的开放知识格式（OKF）标准化载体 —— 一个 Markdown 的 Git 树。