最新

如果您正在使用 Cursor 或 Claude Code，您一定要尝试这个开源工具——它将为您节省金钱和时间。 如果您正在构建复杂项目，且上下文不断增大，难以跟踪哪些是最新的、哪些是过时的，您一定会喜欢这个工具。 **问题：** 在使用大型语言模型（LLMs）构建产品时，我们会生成大量的上下文——需求、规格、设计文档。但随后出现了以下问题： - 无法判断哪个文档是最新的/权威的 - 各层之间缺乏可追溯性（业务 → 系统 → 代码 → 测试） - 上游需求发生变化，下游未得到更新 - 您的 LLM 使用了过时的上下文 → 输出不正确 - 在需要特定片段时浪费整个文件的令牌 **解决方案：contextgit** 这是一个专门为 LLMs 设计的工具，可以高效追踪上下文。 contextgit 让您的 AI 像图数据库一样导航需求，而不是将整个文件倒入上下文中——仅提取所需内容。 - 仅提取相关片段（节省令牌 = 节省金钱） - 跟踪关系：业务 → 系统 → 架构 → 代码 → 测试 - 通过校验和自动检测过时 - 提供完整的 JSON 输出以便与 LLM 集成 - 查看项目健康状况：孤立的需求、断开的链接、过时的项目 **关键用例：** - LLM 驱动的开发：AI 按 ID 请求需求，而不是整个文档 - 大量节省令牌：输入 20 行而不是 5000 行 - 自动检测过时上下文：LLMs 知道何时需求过时 - CI 集成：阻止包含过时需求的 PR **实际影响：** 以前：LLM 阅读 5000 行文档 → 浪费令牌 现在：contextgit 提取 SR-010 → 20 行 → 节省数百美元的 API 成本 如果您觉得这个工具有用，请给这个仓库加星！ 100% 开源（MIT），生产就绪（v1.0.1）。这是 LLM 驱动开发的关键缺失部分。

我创建了TrailWrightQA，旨在让开发人员、质量保证团队或业务分析师无需编写代码即可生成浏览器用户界面测试。它可以在本地运行，并需要从OpenAI、Gemini或Anthropic获取API密钥。所有测试代码和数据都保留在您的机器上——除了LLM调用之外，没有外部服务器。 由于它是开源的并且可以自托管，因此每次测试运行都是免费的（仅需支付LLM费用）。这消除了许多自动化测试服务常见的每次运行的重复费用。 它在某些方面还有些粗糙，尤其是对于复杂的用户界面流程——但由于开发时间有限，我决定公开发布，以便其他有类似需求的人使用或贡献。欢迎反馈、拉取请求或问题报告。 代码库： [https://github.com/marktl/TrailWrightQA](https://github.com/marktl/TrailWrightQA) —— 马克