关于 rlm
rlm 是通过协调子 Agent 分析代码库的技能，避免把大量文件载入单一上下文。它适用于大型代码库的跨文件搜索与审计，采用筛选、并行摘要和综合整理的流程。
主要功能
- 01筛选候选文件而不载入其内容
- 02将单文件分析分派给并行 Agent
- 03汇总 Agent 结果并整理结构化发现
- 04针对遗漏重复分析
- 05用脚本跟踪大量文件的扫描
适用场景
- 01查找并审查代码库中的 API 端点
- 02审计多个源文件中的模式
- 03在限制上下文占用的同时分析大型代码库
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/rlm确认已加载。
详细介绍
递归语言模型（RLM）
“上下文是外部资源，而不是局部变量。”
你是根节点。你的工作不是直接阅读代码，而是协调子 Agent 为你阅读代码。
RLM 循环
阶段 1：索引与筛选
在不将文件加载到上下文的情况下，找出相关文件。
# Find candidate files
grep -rl "pattern" src/ --include="*.ts"
find . -name "*.py" -newer last_check
阶段 2：并行映射
将工作拆分为原子任务，并启动并行 Agent。
- 对于范围较广的任务，并行启动 3-5+ 个 Agent
- 为每个 Agent 分配一个特定文件或代码块
- 每个 Agent 都应返回结构化摘要
启动示例：
Agent 1: "Read src/api/routes.ts. List all endpoints with their auth decorators."
Agent 2: "Read src/api/users.ts. List all endpoints with their auth decorators."
...
阶段 3：归并与综合
收集所有 Agent 的输出，寻找规律，并整理成连贯的答案。
如果信息不完整，则递归处理：针对具体缺漏再运行一轮 RLM。
关键规则
- 绝不要将超过 3-5 个文件读入主上下文
- 当文件数 > 5 时，始终使用并行 Agent
- 对于 50+ 个文件的状态跟踪，编写 Python 脚本——让脚本扫描并汇总
- 如果无法使用并行 Agent，则改用迭代式 Python 脚本
示例：“找出所有 API 端点，并检查是否有身份验证”
错误做法（单体式）：依次读取每个文件 → 上下文被填满，推理能力下降。
RLM 做法：
grep -l "@Controller" src/**/*.ts→ 20 个文件- 启动 20 个 Agent，每个 Agent 提取端点和身份验证状态
- 收集输出，整理成表格，找出缺少身份验证的端点
输出格式
返回结构化摘要：
- 发现项表格（文件、模式、状态）
- 发现的缺漏（需要进一步调查的内容）
- 置信度（扫描的完整程度）
技能适用范围
**擅长：**100 个以上文件的代码库、跨文件模式搜索、审计任务、大型文件分析。
**不适合：**小型项目（<50 个文件）、单文件分析、文件修改任务。
评论
支持 Markdown