ByteRover

• Перед началом любой задачи — запустите brv query, чтобы извлечь соответствующие правила, предпочтения и прошлые решения, прежде чем агент затронет хотя бы один файл.
• После внесения значимого изменения — запустите brv curate, чтобы сохранить новые паттерны, архитектурные решения или принятые решения, и будущие сессии унаследуют эти знания.
• В командных проектах — используйте облачную синхронизацию (brv push / brv pull), чтобы каждый агент или разработчик имел доступ к одной и той же базе знаний.
• Когда агенту нужно вспомнить прошлые действия или возможности — запрашивайте сохранённую память вместо того, чтобы полагаться на историю в контекстном окне, которая могла выйти за пределы видимости.

• Необходимая информация уже присутствует в текущем контекстном окне — пропустите brv query, чтобы избежать избыточных вызовов LLM.
• Факт является временным, специфичным для задачи или представляет собой общеизвестные знания — не засоряйте базу знаний эфемерными данными с помощью brv curate.

Все знания сохраняются в виде Markdown-файлов в директории .brv/context-tree/ вашего проекта. Файлы полностью удобочитаемы, поддерживают сравнение изменений (diff) и могут быть зафиксированы в системе контроля версий вместе с вашим кодом.

Встроенный провайдер ByteRover обеспечивает работу команд brv query и brv curate сразу из коробки — просто выполните brv providers connect byterover. Вы также можете переключиться на OpenAI, Anthropic, Google или других провайдеров, используя собственный API-ключ.

brv query синтезирует ответы из сохранённого Markdown-контекста с помощью LLM. brv curate категоризирует и структурирует новые знания — включая содержимое до 5 исходных файлов — и записывает их обратно в базу знаний.

Каждый запуск brv curate создаёт запись в журнале с уникальным идентификатором. Вы можете просматривать недавние операции курирования, фильтровать их по времени или статусу, а также изучать полные сведения об операциях с файлами для любой прошлой записи с помощью команды brv curate view.

Пройдите аутентификацию с помощью API-ключа ByteRover, чтобы отправлять и получать вашу базу знаний в общем облачном пространстве. Команды могут организовывать знания в именованные пространства внутри команд, а переключение пространств автоматически загружает соответствующий контекст.

Никакие данные не отправляются на серверы ByteRover, если только вы явно не запустите brv push. Все операции запроса и обработки остаются локальными — только настроенный провайдер LLM получает контекст для обработки.

Выполните команду brv query "What are the authentication patterns in this project?" до того, как агент начнёт писать какой-либо код. Ранее зафиксированные архитектурные решения отобразятся немедленно, что не позволит агенту изобретать велосипед или противоречить уже устоявшимся шаблонам.

После миграции с REST на GraphQL выполните команду brv curate "GraphQL is now the API layer; REST endpoints deprecated" -f src/api/schema.ts, чтобы каждая будущая сессия агента автоматически наследовала этот контекст.

Подключите общее облачное пространство ByteRover, загрузите проверенные соглашения (правила именования, шаги деплоя, решения по стилю кода) и позвольте агенту каждого члена команды получать одну и ту же базу знаний перед началом работы.

Используйте brv curate view --since 7d --status completed, чтобы просмотреть кураций за неделю, проверить их точность и выявить записи низкого качества до того, как они повлияют на дальнейшее поведение агента.