Contorium

Name: Contorium
Author: ContoriumLabs

本地服务

github.com/ContoriumLabs记忆与知识713 周前更新

代码仓库

关于 Contorium

Contorium 是面向 AI 辅助开发的本地项目智能层，可在不同会话和工具间保存决策、推理、约束、结构及项目状态，并通过 CLI、IDE 集成和 MCP 提供这些信息。

主要功能

01跨会话保存项目理解
02结构化项目知识图谱
03决策历史与有效性跟踪
04为 AI 会话传递精简上下文
05将项目数据存储在本地 .contora/

适用场景

01为新的编码会话提供项目上下文
02检查可能需要重新验证的决策
03查询项目选择背后的原因

MCP 相关

其 MCP 服务向兼容的 AI 工具提供项目智能操作，包括查询、检查、记录和传递项目上下文。

#mcp #runtime #context #memory #workspace #developer-tools #ai-coding #codex #claude-code #cursor

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

mcp.json · 通用配置

{
  "mcpServers": {
    "contorium": {
      "command": "npx",
      "args": [
        "-y",
        "@contorium/mcp"
      ],
      "env": {
        "CONTORIUM_WORKSPACE": "<CONTORIUM_WORKSPACE>"
      }
    }
  }
}

启动命令npx -y @contorium/mcp

需要配置的环境变量

CONTORIUM_WORKSPACE

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

npm@contorium/mcpstdio

工具

118

收录的工具列表 · 更新于 3 周前

参数	类型	必填	说明
workspaceRoot	string	否	覆盖工作区根目录；默认自动检测

详细介绍

Contorium

面向 AI 辅助开发的项目智能层。

AI 可以读取你的代码。

但它并不总是知道项目为何会发展成现在这样。

Contorium 为 AI 编码工具提供持久的项目智能层，在不同会话、工具和模型之间保留项目的决策、推理、约束、结构、历史记录和不断演进的状态。

不是聊天记录。不是提示词。是项目智能。

网站 · 文档 · 概览 · 决策演进与检索

Git 记住了哪些内容发生了变化。
Contorium 记住了为什么会发生变化。

为什么选择 Contorium？

AI 编码 Agent 越来越擅长编写和修改代码。

但长期运行的项目面临另一个问题：

代码库包含项目是什么样子，但不一定包含项目为何会发展成这样。

重要知识会在以下情况中丢失：

AI 会话
不同的编码工具
模型切换
实验和失败的方案
架构决策
漫长的开发周期

最终，开发者不得不一遍又一遍地向 AI 解释同一个项目。

你应该专注于构建项目，而不是反复向 AI 解释项目。

什么是项目智能？

项目不只是它的文件。

它还包含：

Intent
  ↓
Decisions
  ↓
Reasoning
  ↓
Implementation
  ↓
Outcomes
  ↓
Evolution
  ↓
Current State

Contorium 会保留并关联这些信息，让 AI 工具能够基于项目积累的认知开展工作，而不是每次会话都从头重新构建认知。

项目智能包括

决策
做出了哪些选择、否决了哪些方案，或进行了哪些更改？

推理
为什么采用了某种特定方案？

约束
哪些条件必须保持不变，为什么？

结构
项目的模块、文件和函数如何相互关联？

历史记录
项目是如何演进的？

当前状态
现在有哪些事项最重要，下一步应该做什么？

一个项目。一层智能。每种 AI 工具。

你的 AI 工具可以更换。

但项目积累的认知不应因此丢失。

                 Your Project
                      │
                      ▼
          ┌──────────────────────┐
          │      Contorium       │
          │                      │
          │ Project Intelligence │
          │        Layer         │
          └──────────┬───────────┘
                     │
          ┌──────────┼──────────┐
          ▼          ▼          ▼
       Cursor     Claude      Codex
          │        Code         │
          │          │          │
          └──────────┼──────────┘
                     ▼
             Shared Understanding

使用你偏好的工具，无需强迫每种工具都从零开始重建项目认知。

Contorium 目前集成了：

Cursor
Claude Code
Gemini CLI
Codex
VS Code
兼容 MCP 的 AI 工具

Contorium 的实际功能

1. 持久的项目认知

在以下情况下保留项目智能：

会话
工具
模型切换
漫长的开发周期

目标不是记住所有内容。

而是保留重要信息。

2. 项目知识图谱

Contorium 会构建项目中的结构化关系：

Intent
  ↓
Module
  ↓
File
  ↓
Function
  ↓
Dependency

Contorium 不会将代码库视为一组互不关联的文件，而是构建可查询的表示，展现项目各部分如何构成一个整体。

3. 项目历史记录

了解项目是如何演进的。

追踪重要变更，并将其与项目的整体状态关联起来。

4. 决策与推理

保留通常会在对话结束后丢失的知识：

做出了什么决定
考虑过哪些替代方案
为什么选择某种方案
后来发生了什么

这有助于未来的 AI 会话理解的不只是现有内容，还有背后的原因。

5. 决策有效性

项目会不断演进，知识也会过时。

Contorium 会追踪决策是否仍然有效：

Change → Assumption → Impact → Decision Validity

生命周期状态包括：

VALID → WARNING → DECAYING → SUSPECTED_INVALID → NEEDS_REVALIDATION → INVALIDATED

询问：

contorium ask "What decisions need review?"

6. 面向 AI 的项目状态

为 AI 交接生成项目当前状态的精简表示。

无需：

New session
    ↓
Read everything again
    ↓
Reconstruct context
    ↓
Start working

Contorium 即可实现：

New session
    ↓
Read project intelligence
    ↓
Understand current state
    ↓
Continue working

询问你的项目

Contorium 让开发者和 AI Agent 都能访问项目智能。

contorium ask "Why was MCP added?"
contorium ask "What changed recently?"
contorium ask "What do we know about authentication?"
contorium ask "Is this decision still valid?"

目标不仅仅是检索文本。

而是关联相关的项目知识。

工作原理

Workspace Activity
        ↓
    Collection
        ↓
     Parsing
        ↓
 Project Structure
        ↓
 Knowledge Graph
        ↓
 Intent & State
        ↓
 Project Intelligence
        ↓
 AI-ready Context / Handoff
        ↓
 Any AI Tool

Contorium 会在本地将项目情报存储在：

.contora/

项目会保留自身积累的理解，而不是将其绑定到特定的 AI 提供商或会话。

架构

Contorium 通过本地的结构化架构，将项目情报与 AI 工具分离。

AI Tools (Cursor · Claude · Codex · …)
    │
    ▼
IDE · MCP · CLI  (adapters)
    │
    ▼
CIL — Cognitive Interaction Layer
    │
    ▼
PIL — Project Intelligence Layer
    │
    ▼
.contora/

CIL — 认知交互层

CIL 是 AI Agent、开发者与项目情报之间的交互层。

它提供查询、捕获和传递项目知识所需的机制。

它是一种架构，而非产品品牌。

PIL — 项目情报层

用于存储结构化项目情报的确定性本地存储：

STATE · INTENT · DECISION · WHY
TIMELINE · IMPACT · PROVENANCE · CONFIDENCE

PIL 不进行推理，只负责保留。

`.contora/`

情报会随项目保留。

本地优先。以项目为中心。可移植。

深入指南：docs/OVERVIEW.md · docs/PIL_RUNTIME.md · docs/CIL.md

三项统一操作

操作	含义
捕获	记录焦点、笔记和决策
检查	探索状态、决策、时间线和健康状况
传递	将精简的上下文导出到新的 AI 会话

contorium capture decision
contorium inspect state
contorium transfer context
contorium ask "What is this project becoming?"

不只是另一个 AI 记忆系统

Contorium 与 AI 记忆有关，但它并非旨在成为另一个聊天记忆或检索系统。

系统	主要保留内容
聊天记忆	对话
RAG	检索到的信息
Git	代码和文件历史
上下文文件	明确的指令
Contorium	项目情报

目标是建立以下内容之间的联系：

What changed
     ↓
Why it changed
     ↓
What happened
     ↓
What remains true
     ↓
What comes next

记忆是一种能力。项目情报才是目标。

Contorium 不是什么

Contorium 不是：

自主编码 Agent
AI 编码工具的替代品
任务生成器
替你决定应该构建什么的系统
Git 的替代品

开发者始终掌握控制权。

Contorium 会保留对项目的理解，让人类和 AI 能够基于同一不断演进的状态开展工作。

快速开始

要求

Node.js 18+
npm
用于 IDE 扩展的 VS Code / Cursor
用于 MCP 集成的 MCP 兼容 AI 工具

克隆并构建

git clone https://github.com/ContoriumLabs/contorium.git
cd contorium

npm install
npm run compile

VS Code / Cursor

npm run vsix

然后：

打开扩展
选择从 VSIX 安装
选择生成的 .vsix
重新加载窗口
打开项目
设置当前焦点
在需要时传递适用于 AI 的项目上下文

完整指南：docs/IDE_EXTENSION.md · docs/INSTALL.md

MCP

向 MCP 兼容的 AI 工具提供项目情报：

npm install -g @contorium/mcp

claude mcp add --scope project contorium -- npx @contorium/mcp

codex mcp add contorium -- npx @contorium/mcp

如有需要，设置工作区：

CONTORIUM_WORKSPACE=/path/to/project

推荐的 Agent 操作包括：

ask_project
transfer_project
inspect_state · inspect_intent · inspect_decision
capture_focus · capture_note · capture_decision
inspect_pending_decisions · commit_decision
prepare_execution_context · get_project_context · explain_context
get_knowledge_health · get_review_queue

完整指南：docs/MCP.md · packages/mcp/README.md

CLI

npx contorium init .
npx contorium sync .
npx contorium ask "What is this project?"
npx contorium decisions detect
npx contorium context build --task "…"
npx contorium inspect
npx contorium explain database
npx contorium transfer context
npx contorium lifecycle
npx contorium review
npx contorium status .

完整指南：docs/CLI.md

清除项目情报

要移除本地项目情报存储：

macOS / Linux

rm -rf .contora

Windows PowerShell

Remove-Item -Recurse -Force .contora

设计原则

以项目为中心

项目是真实信息的唯一来源。

持久

对项目的理解应跨会话、工具和模型变更持续保留。

结构化

决策、代码、意图和历史之间的关联，比孤立的文本更重要。

以人为主导

AI 可以理解项目。人类决定项目将发展成什么样。

本地优先

项目情报应留在项目附近，并保持可移植。

可选 AI 层

Contorium 无需大模型也能运行。

可选的 AI 能够改进说明、故事、精髓和建议问题。

AI 是解释者，而非真实信息的来源。

参见 docs/AI_LAYER.md。

愿景

AI 编码正从一次性代码生成迈向长期运行的多 Agent 开发。

随着 Agent 能力不断增强，另一层也变得愈发重要：

项目自身的智能。

AI 辅助开发的未来或许不再是：

Human → AI → Code

而是：

                    Project Intelligence
                   ↙        ↓        ↘
               Agent A    Agent B    Agent C
                   ↘        ↓        ↙
                     Project

不同的模型和工具可以更换。

项目积累的理解不必随之改变。

AI 可以编写代码。
Contorium 帮助它理解项目。

链接

文档： docs/README.md · 安装 · 概览 · 决策演进与检索

网站： https://www.contorium.dev

GitHub： https://github.com/ContoriumLabs/contorium

许可证： MIT

支持 Markdown

登录后评论

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

阅读入门指南

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。

Contorium

关于 Contorium

主要功能

适用场景

MCP 相关

配置

工具

详细介绍

Contorium

面向 AI 辅助开发的项目智能层。

为什么选择 Contorium？

什么是项目智能？

项目智能包括

一个项目。一层智能。每种 AI 工具。

Contorium 的实际功能

1. 持久的项目认知

2. 项目知识图谱

3. 项目历史记录

4. 决策与推理

5. 决策有效性

6. 面向 AI 的项目状态

询问你的项目

工作原理

架构

CIL — 认知交互层

PIL — 项目情报层

.contora/

三项统一操作

不只是另一个 AI 记忆系统

Contorium 不是什么

快速开始

要求

克隆并构建

VS Code / Cursor

MCP

CLI

清除项目情报

macOS / Linux

Windows PowerShell

设计原则

以项目为中心

持久

结构化

以人为主导

本地优先

可选 AI 层

愿景

链接

评论

第一次接触 MCP？

MCP（Model Context Protocol）是什么？

MCP 服务和客户端有什么区别？

本地服务与远程服务怎么选？

如何在 Claude、Cursor 等客户端中安装服务？

收录的项目经过审核吗？“认证”标识代表什么？

我维护的项目已被收录，怎样认领？

`.contora/`