ByteRover

• 在开始任何任务之前 — 运行 brv query，在你的智能体接触任何文件之前，先检索相关规则、偏好设置和历史决策。
• 在实现有意义的变更之后 — 运行 brv curate，将新的模式、架构选择或决策持久化保存，以便未来的会话能够继承这些知识。
• 在团队项目中 — 使用云同步（brv push / brv pull），让每位智能体或开发者共享同一份经过整理的知识库。
• 当智能体需要回忆过去的操作或能力时 — 查询已存储的记忆，而不是依赖可能已经滚出可见范围的上下文窗口历史记录。

• 您所需的信息已存在于当前上下文窗口中——跳过 brv query，避免冗余的 LLM 调用。
• 该事实是短暂的、特定于任务的，或属于通用世界知识——不要使用 brv curate 将临时数据污染知识库。

所有知识均以 Markdown 文件的形式保存在项目目录的 .brv/context-tree/ 文件夹中。这些文件完全人类可读、支持差异对比（diff），并可与代码一同提交到版本控制系统中。

内置的 ByteRover 提供商开箱即用，为 brv query 和 brv curate 提供支持 —— 只需运行 brv providers connect byterover。您也可以使用自己的 API 密钥切换至 OpenAI、Anthropic、Google 或其他提供商。

brv query 利用大语言模型对已存储的 Markdown 上下文进行综合分析并生成答案。brv curate 对新知识进行分类和结构化整理——支持最多 5 个源文件的内容——并将其写回知识库。

每次运行 brv curate 都会生成一条带有唯一 ID 的日志条目。您可以查看最近的策划记录，按时间或状态进行筛选，或使用 brv curate view 查看任意历史条目的完整文件操作详情。

使用 ByteRover API 密钥进行身份验证，将您的知识库推送至共享云端空间或从中拉取内容。团队可以在团队内将知识整理到具有名称的空间中，切换空间时会自动拉取相关上下文。

除非您明确运行 brv push，否则不会有任何数据发送至 ByteRover 服务器。所有查询和整理操作均在本地进行——只有您所配置的 LLM 提供商会接收上下文以进行处理。

在智能体编写任何代码之前，先运行 brv query "What are the authentication patterns in this project?"。之前整理好的架构决策会立即呈现出来，防止智能体重新发明或违背已有的既定模式。

在从 REST 迁移到 GraphQL 之后，运行 brv curate "GraphQL is now the API layer; REST endpoints deprecated" -f src/api/schema.ts，这样每个未来的代理会话都会自动继承该上下文。

连接共享的 ByteRover 云空间，推送经过整理的规范内容（命名规则、部署步骤、代码风格决策），让每位团队成员的智能体在开始工作前都能获取同一份知识库。

使用 brv curate view --since 7d --status completed 查看一周内的整理记录，验证准确性，并在低质量条目影响智能体未来行为之前将其识别出来。