repofit

Name: repofit
Author: pth2002

本地服务

github.com/pth2002其他4今天更新

代码仓库

关于 repofit

repofit 从本机编码 Agent 的历史记录、记忆和已安装工具中提取偏好，并据此推荐 GitHub 项目。它为每项推荐提供对应的历史依据，也可通过 MCP 供 Agent 调用，或作为 CLI 使用。

主要功能

01读取多种编码 Agent 的本地数据
02按任务检索并推荐 GitHub 项目
03为推荐附上历史记录依据
04扫描已安装的技能和 MCP 服务
05支持脱敏、可选数据读取深度

适用场景

01根据过往工作寻找适用项目
02判断某个 GitHub 项目是否匹配需求
03发现未使用的技能或 MCP 服务
04通过 CLI 或 MCP 获取项目推荐

MCP 相关

repofit 可作为 MCP 服务接入编码 Agent，让 Agent 使用本机的历史记录生成项目推荐。MCP 模式下，文本交由 Agent 当前使用的模型处理。

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": {
    "pth2002-repofit": {
      "command": "uvx",
      "args": [
        "repofit"
      ]
    }
  }
}

启动命令uvx repofit

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

pypirepofit0.1.1stdio

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

repofit。你的 Agent 已经了解你，现在它们还知道该安装什么。示意图：AGENTS.md、CLAUDE.md、Cursor 规则和 Gemini 对话都放入 repofit，由它在你的机器上读取。随后会推荐 ntfy、SciencePlots 和 actionlint，并指出每项推荐来自哪段对话。

别再刷热门榜单了，去问那个一直观察你工作的 Agent。

每周都有新一批仓库获得一万颗星，而每份「值得尝试的工具」清单都是写给所有人的。与此同时，你的编码 Agent 已经默默记录了几个月：你在构建什么、什么问题反复出现，以及凌晨 2 点你抱怨过什么。repofit 会在你自己的机器上读取这些笔记，来源包括 Claude Code、Codex、Cursor 等十多种工具，并据此推荐你可能从未听说、但确实会用到的项目。每项推荐都会指出你过往记录中促成这项推荐的时刻。

https://github.com/user-attachments/assets/c7ac0bcf-74ed-4a09-9295-b6d06e6d67c1

安装

pipx install repofit

然后让你使用的 Agent 连接到 repofit mcp。大多数 Agent 都使用相同的 MCP 配置：

{ "mcpServers": { "repofit": { "command": "repofit", "args": ["mcp"] } } }

对于 Cursor，这一行应放在 ~/.cursor/mcp.json；对于 Gemini CLI，放在 ~/.gemini/settings.json；对于 Qwen Code，放在 ~/.qwen/settings.json；对于 Cline、Windsurf 或 Claude Desktop，则放在它们各自的 MCP 设置中。Codex 使用 TOML，而 Claude Code 则通过命令行添加服务：

# ~/.codex/config.toml
[mcp_servers.repofit]
command = "repofit"
args = ["mcp"]

claude mcp add repofit -- repofit mcp

repofit 在你的 Agent 内运行，因此由 Agent 自带的模型进行分析：无需 API 密钥、无需账户，也无需托管。如果想跳过安装步骤，请使用 uv，并将命令改为 uvx repofit mcp。

直接询问

在你连接的任意 Agent 中开启新会话，像和一位了解你过往经历的同事交谈一样向它提问：

“用 repofit 为我推荐一些 GitHub 项目。”
“github.com/owner/name 适合我吗？”
“有没有好用的工具能把 PDF 转成 Markdown？”
“我安装的技能里，哪些是我从来不用的？”

Agent 会在聊天中向你展示推荐结果，同一份列表也只需一条命令即可查看：

repofit recommend --show 的终端输出。三条推荐各自说明了适用任务、推荐理由和发现它的会话：ntfy 用于租用 GPU 服务器上的训练任务，发现于询问运行是否已完成的 Claude Code 会话；SciencePlots 用于论文插图，发现于讨论图表布局的 Codex 会话；actionlint 用于 GitHub Actions 发布，发现于讨论工作流拼写错误的 Cursor 会话。下方列出一项未推荐的家喻户晓的工具、从未被任何会话调用过的已安装技能和 MCP 服务，以及因已在使用而未列出的工具。

_{推荐结果来自一段示例历史记录。文本与 CLI 打印的内容完全一致。}

每条推荐都有依据。不是“因为你给 X 点了星”：seen in 这一行会指向需求出现的会话，并引用你当时说的话。如果 repofit 无法从你的历史记录中找到依据，就不会给出推荐。

底部的列表比听起来更重要。你安装后便忘在一旁的每个技能和 MCP 服务，都会在每次请求中占用上下文；repofit 会列出那些从未被任何会话调用过的项目。

如何挑选

repofit 的挑选流程示意图：读取你机器上每个 Agent 的记忆文件、规则和你自己的消息。编写一页式个人档案，每行都标注其来源聊天记录。检索 18,338 个仓库中的 30 个。为你最可能尚未了解的项目排序，并划掉你已经知道的项目。

每个 Agent 存储历史记录的方式都不同，而且格式每隔几个月就会变化，所以 repofit 为每个 Agent 都配备了一个适配器。个人档案根据经过脱敏并编号的证据包编写；任何引用了不存在证据的说法，都会被代码剔除，而不是指望模型自觉遵守。系统会针对你实际执行的每项任务分别进行一次检索，并加入模型补充的项目名称和搜索短语，这样即使你从未输入过某个库的名称，也能找到任务所依赖的库。排序器会跳过你已经知道的家喻户晓的项目。候选池每周一通过 GitHub API 重新构建：包括星标数超过 3,000 的活跃仓库、星标数超过 1,000 的新仓库、星标数超过 300 的 Agent 生态项目，以及 GitHub 趋势项目。

你的历史记录仍归你所有

一切都在你的机器上运行。repofit 会读取 Agent 已经保存的文件，并将自己的文件写入 ~/.repofit。
你可以选择读取深度：仅已安装的工具、加上记忆和指令文件（默认），或再加上你自己的消息和工具调用。
在任何模型看到一行内容之前，API 密钥、令牌、密码、电子邮件地址、电话号码和看起来随机的字符串（是的，包括你曾在 ssh 后粘贴过的密码）都会被清除，并且你的主文件夹会替换为 ~。
使用 MCP 时，文本会发送给你的 Agent 已在使用的模型。通过命令行时，文本只会发送给你指定的提供方，并且会先征得你的确认。
你的笔记和其他人的 README 可能藏有指令。repofit 会将所有内容作为数据传递，并告知 Agent 绝不要遵循其中的内容。

支持的 Agent

Agent	会话	记忆和指令	已安装的工具
Claude Code	是	`CLAUDE.md`，项目记忆	技能、插件、MCP 服务
Codex	是，CLI 和桌面版	`AGENTS.md`，`memories/`	技能、插件、MCP 服务
Cursor	是	用户规则、待处理记忆	MCP 服务、扩展
Hermes Agent	是	`USER.md`，`MEMORY.md`	技能、MCP 服务
Gemini CLI，Qwen Code	是	`GEMINI.md`，`QWEN.md`	MCP 服务、扩展
Cline，Roo Code，Kilo Code	是	`.clinerules`	MCP 服务
Continue	是	`rules/`	MCP 服务
VS Code Copilot	是	`copilot-instructions.md`	MCP 服务、扩展
Kimi CLI，Aider	是
OpenCode	已计入	`AGENTS.md`	MCP 服务
Windsurf，Claude Desktop，WorkBuddy，Trae	无本地会话	存在时提供记忆	MCP 服务

也会读取项目指令文件（AGENTS.md、CLAUDE.md、.cursorrules 等）。运行 repofit scan 查看它在你的机器上发现了什么。如果你的 Agent 将数据存储在其他位置，请提交 issue 并附上路径，我们会为其添加适配器。

命令行，无需 Agent

使用 pipx install repofit 安装，或在每条命令前加上 uvx。

repofit scan                                    # which agents are installed and what each one stores
repofit profile build --level L2 --provider deepseek
repofit recommend --provider deepseek --lang zh

提供方：deepseek、openai、ollama、anthropic，或任何兼容 OpenAI 的端点，使用 --provider compatible --base-url ... --model ...。密钥来自 DEEPSEEK_API_KEY、OPENAI_API_KEY 或 ANTHROPIC_API_KEY，repofit 会在发送任何内容之前显示将要发送的文本量。

没有提供方？每个模型步骤都会输出一条提示词，你可以将其粘贴到任意聊天中，再导入答案：

repofit profile prompt --level L2 > prompt.md   # then: repofit profile apply answer.json
repofit profile expand --prompt                 # then: repofit profile expand --apply answer.json
repofit recommend --prompt --lang en            # then: repofit recommend --apply answer.json
repofit recommend --no-llm                      # keyword retrieval only, nothing leaves your machine

开发

git clone https://github.com/pth2002/repofit && cd repofit
python -m pip install -e . pytest
python -m pytest
repofit index build      # rebuild the candidate pool yourself; needs a GitHub token