Project: My Awesome TypeScript Library
2026-09-06 17:33:15作者:虞亚竹Luna
General Instructions:
- When generating new TypeScript code, follow the existing coding style.
- Ensure all new functions and classes have JSDoc comments.
- Prefer functional programming paradigms where appropriate.
- All code should be compatible with TypeScript 5.0 and Node.js 20+.
Coding Style:
- Use 2 spaces for indentation.
- Interface names should be prefixed with
I(for example,IUserService). - Private class members should be prefixed with an underscore (
_). - Always use strict equality (
===and!==).
Specific Component: src/api/client.ts
- This file handles all outbound API requests.
- When adding new API call functions, ensure they include robust error handling and logging.
- Use the existing
fetchWithRetryutility for all GET requests.
Regarding Dependencies:
- Avoid introducing new external dependencies unless absolutely necessary.
- If a new dependency is required, state the reason.
**层级加载与优先级**:CLI 实现了精细的层级记忆系统,从多处加载上下文文件;列表中越靠下(越具体)的内容通常覆盖或补充更靠上(更通用)的内容。可用 `/memory show` 命令检查最终拼接顺序与上下文内容。典型加载顺序:
1. **全局上下文文件**:`~/.gemini/<configured-context-filename>`(例如 `~/.gemini/GEMINI.md`)。作用域:为所有项目提供默认指令。
2. **项目根及祖先目录上下文文件**:CLI 从当前工作目录开始逐级向上查找,直到项目根(以 `.git` 标识)或主目录。作用域:覆盖整个项目或其中重要部分的上下文。
3. **子目录上下文文件(上下文/局部)**:CLI 还会扫描当前工作目录**以下**的子目录(尊重 `node_modules`、`.git` 等常见忽略模式)。搜索广度默认限制为 200 个目录,可用 `context.discoveryMaxDirs` 配置。作用域:针对特定组件、模块或子部分的精细指令。
**拼接与 UI 提示**:所有找到的上下文文件内容会被拼接(以分隔符标明来源与路径)并作为系统提示词的一部分提供给模型;页脚显示已加载上下文文件计数。
**内容导入**:可用 `@path/to/file.md` 语法导入其他 Markdown 文件来模块化上下文文件,详见 [Memory Import Processor 文档](https://gitcode.com/GitHub_Trending/gemi/gemini-cli/blob/3c311beac2e78336816dd4a123db39743f9fbf85/docs/reference/memport.md?utm_source=gitcode_repo_files)。
**memory 管理命令**:
- `/memory refresh`:强制重新扫描并重新加载所有位置的上下文文件,更新 AI 的指令上下文。
- `/memory show`:显示当前加载的组合指令上下文,便于核对层级与内容。
- 完整 `/memory` 子命令说明见 [Commands 文档](https://gitcode.com/GitHub_Trending/gemi/gemini-cli/blob/3c311beac2e78336816dd4a123db39743f9fbf85/docs/reference/commands.md?utm_source=gitcode_repo_files)。
## 九、使用统计
为改进 Gemini CLI,官方会收集匿名使用统计,以了解使用方式、定位常见问题并优先排期新特性。
**收集内容:**
- **工具调用**:记录被调用工具的名称、成功与否及执行耗时;不收集传给工具的参数及其返回数据。
- **API 请求**:记录每次请求使用的 Gemini 模型、耗时及是否成功;不收集提示词或响应的内容。
- **会话信息**:CLI 配置信息,如启用的工具与审批模式。
**明确不收集:**
- 任何个人身份信息(PII):姓名、邮箱、API 密钥等;
- 提示词与模型响应的内容;
- CLI 读取或写入的任何文件内容。
**如何退出:** 在 `settings.json` 的 `privacy` 类别中将 `usageStatisticsEnabled` 设为 `false`:
```json
{
"privacy": {
"usageStatisticsEnabled": false
}
}
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0624
Hy4-previewHy4 preview 是由腾讯混元团队研发的新一代混合专家(MoE)旗舰模型。模型总参数量 770B,每个 token 激活 49B,主干共包含78层,第一层采用标准 FFN,其余 77 层均为 MoE 结构,每层包含 256 个路由专家与 1 个共享专家,每个 token 激活 top-8 路由专家及共享专家。主干之外原生内置 1 层 MTP(总参数量 10B,激活 0.7B)以支持投机解码。Python00
GLM-5.3GLM-5.3 与 GLM-5.2 使用相同的基座模型——所有提升均来自后训练。与 GLM-5.2 相比,它在复杂编程和长程任务上的表现显著提升。Jinja00
GLM-5.3-FlashGLM-5.3-Flash (320B-A18B),是GLM-5系列的首个原生多模态模型。320B总参数,能力超过GLM-5.2Jinja00
Spark-X2.5-4BSpark-X2.5-4B 旨在让强大的 AI 更实用、更高效、更易获得。在广泛日常任务中表现强劲,涵盖对话、写作、翻译、推理、编码、工具调用以及智能体工作流,并在同等规模的开源模型中取得领先成绩。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
Spark-X2.5-1.7BSpark-X2.5-1.7B 旨在让强大的 AI 更加实用、高效且易于获取。这些模型在广泛的日常任务中表现出色,涵盖对话、写作、翻译、推理、编程、工具调用和智能体工作流,并在同等规模的开源模型中取得领先结果。Spark-X2.5 将面向效率的架构与最高 1M tokens 的原生上下文窗口相结合,并支持 200 多种语言。Python00
最新内容推荐
Go 项目目录布局详解:project-layout 标准目录结构的设计原则与实操指南Files to ReviewPlaywright Response 类详解:HTTP 响应的获取、断言与源码级实现原理Open Interpreter 的 check-kimi-code-docs:以“文档优先”回答 Kimi Code 产品问题的内建 SkillTwenty 应用脚手架中的 AGENTS.md:应用模板结构、UUID 规范与 dev:add 实体生成工作流Remotion WebCodecs Bug 追踪工作流:基于 add-webcodecs-bug 技能维护 Mediabunny 浏览器缺陷档案OpenMontage avatar-video 技能详解:用 HeyGen API 精确控制数字人视频的完整实战指南AutoGPT Platform 本地部署与运维实战:docker compose 一键启动、核心服务拓扑与 Makefile 开发工作流PyTorch 中的 Pyrefly 类型覆盖率迁移:从 SKILL 文档看文件级严格类型检查的完整落地流程Transformers 缓存机制详解:KV Cache 原理、Cache 类存储实现与 DynamicCache 生成循环实战
项目优选
收起
deepin linux kernel
C
33
18
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
855
1.34 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
528
589
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Markdown
77
23
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
1.13 K
2.73 K
暂无描述
Markdown
897
5.79 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.56 K
1.01 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
998
511
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
908
1.83 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
213
313