知时MCP | mcp-probe-kit

知其境，馈其时。

Introspection · Context Hydration · Delegated Orchestration

Talk is cheap, show me the Context.

知时MCP 是专为极客打造的协议级探测与上下文补给工具箱。它不仅仅是 28 个工具的堆砌，更是一套让 AI 真正"读懂"你项目意图的感知系统。

🚀 AI 驱动的完整研发工具集 - 覆盖开发全流程

一个强大的 MCP (Model Context Protocol) 服务器，提供 28 个工具，覆盖从产品分析到最终发布的全流程（需求 → 设计 → 开发 → 质量 → 发布），所有工具支持结构化输出。

🎉 v3.0 重大更新：精简工具数量，专注核心竞争力，消除选择困难，让 AI 做更多原生工作

支持所有 MCP 客户端：Cursor、Claude Desktop、Cline、Continue 等

协议版本：MCP 2025-11-25 · SDK：@modelcontextprotocol/sdk 1.27.1

📚 完整文档

👉 https://mcp-probe-kit.bytezonex.com

快速开始 - 5分钟完成安装配置
所有工具 - 28个工具完整列表
最佳实践 - 完整研发流程实战指南
v3.0 迁移指南 - v2.x → v3.0 升级指南

✨ 核心特性

📦 28 个工具

🔄 工作流编排 (6个) - 一键完成复杂开发流程
- start_feature, start_bugfix, start_onboard, start_ui, start_product, start_ralph
🔍 代码分析 (4个) - 代码质量、重构与图谱洞察
- code_review, code_insight, fix_bug, refactor
📝 Git 工具 (2个) - Git 提交和工作报告
- gencommit, git_work_report
⚡ 代码生成 (1个) - 测试生成
- gentest
📦 项目管理 (6个) - 项目初始化与需求管理
- init_project, init_project_context, add_feature, estimate, interview, ask_user
🎨 UI/UX 工具 (3个) - 设计系统与数据同步
- ui_design_system, ui_search, sync_ui_data
🧠 记忆与 Cursor 历史 (6个) - 资产记忆沉淀与本地 Cursor 会话读取
- read_memory_asset, memorize_asset, scan_and_extract_patterns, cursor_list_conversations, cursor_search_conversations, cursor_read_conversation

🧠 代码图谱桥接 (GitNexus)

code_insight 默认桥接 GitNexus，执行 query/context/impact 分析
桥接默认通过 npx -y gitnexus@latest mcp 启动，降低抓取过期包的风险
init_project_context 在 docs/graph-insights/ 下生成基线图谱文档；如果 docs/project-context.md 已存在则保留旧上下文文档，仅回填图谱文档及索引条目
start_feature 刷新 GitNexus 索引，并在生成 spec 前执行任务级 query/context/impact 收窄，以减少过度范围
start_bugfix 刷新 GitNexus 索引，并在 TBP RCA 前执行任务级图谱分析，以约束故障边界和爆炸半径
已有 project-context.md 但没有图谱文档的旧项目，会通过 init_project_context 自动引导生成
如果 GitNexus 不可用，服务器自动降级，不会中断编排流程
真正的图谱查询读取 .gitnexus 索引；docs/graph-insights/latest.md|json 是供人类和 AI Agent 阅读的快照
图谱快照作为资源暴露（probe://graph/latest, probe://graph/history, probe://graph/latest.md）
图谱快照同时落盘到 .mcp-probe-kit/graph-snapshots（可通过 MCP_GRAPH_SNAPSHOT_DIR 自定义）
工具响应中包含 _meta.graph，携带快照 URI 和本地 JSON/Markdown 文件路径

🐛 Bug 流程的 TBP 8 步根因分析法

start_bugfix 默认在修复前执行 Toyota 式 TBP 8 步根因分析
fix_bug 返回结构化 TBP 骨架，涵盖：现象、时间线、已排除路径、边界、根因、证据、修复计划
这让 Bug、回归、异常、"为什么不行" 类排查遵循先分析再修复的纪律，而非打补丁

🧠 记忆检索与 Cursor 历史

记忆工具使用 Qdrant 作为向量数据库后端
Embedding 服务支持两种模式：
- ollama
- openai-compatible
Cursor 历史工具通过 Node.js 直接读取本地 Cursor 数据库，不依赖 Python bridge
Cursor 历史当前支持：
- Windows: %APPDATA%\\Cursor\\User\\globalStorage\\state.vscdb
- macOS: ~/Library/Application Support/Cursor/User/globalStorage/state.vscdb
- Linux: ~/.config/Cursor/User/globalStorage/state.vscdb

记忆工具：

memorize_asset - 将高价值代码/规范/模式沉淀到向量记忆库
read_memory_asset - 按 asset_id 读取完整记忆内容
scan_and_extract_patterns - 从代码/文件/目录中抽取候选模式，再决定是否沉淀

向量库与 embedding 配置：

向量数据库：Qdrant
本地推荐组合：Qdrant + Ollama
支持的 embedding provider：
- ollama
- openai-compatible
记忆写入/检索必填环境变量：
- MEMORY_QDRANT_URL
- MEMORY_EMBEDDING_URL
- MEMORY_EMBEDDING_MODEL
可选环境变量：
- MEMORY_QDRANT_API_KEY
- MEMORY_QDRANT_COLLECTION（默认 mcp_probe_memory）
- MEMORY_EMBEDDING_API_KEY
- MEMORY_EMBEDDING_PROVIDER（默认 ollama）
- MEMORY_SEARCH_LIMIT（默认 3）
- MEMORY_SUMMARY_MAX_CHARS（默认 280）
行为说明：
- 只读记忆功能只要求配置 MEMORY_QDRANT_URL
- 写入记忆要求同时配置 MEMORY_QDRANT_URL、MEMORY_EMBEDDING_URL、MEMORY_EMBEDDING_MODEL
- 首次写入会自动创建 Qdrant collection，向量维度按第一次 embedding 返回结果自动推断

推荐本地配置（Qdrant + Ollama）：

docker run -d --name mcp-qdrant -p 6333:6333 qdrant/qdrant
ollama pull nomic-embed-text

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "ollama",
        "MEMORY_EMBEDDING_URL": "http://127.0.0.1:11434/api/embeddings",
        "MEMORY_EMBEDDING_MODEL": "nomic-embed-text",
        "MEMORY_SEARCH_LIMIT": "3",
        "MEMORY_SUMMARY_MAX_CHARS": "280"
      }
    }
  }
}

OpenAI-Compatible Embedding 配置示例：

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "openai-compatible",
        "MEMORY_EMBEDDING_URL": "https://your-embedding-endpoint/v1/embeddings",
        "MEMORY_EMBEDDING_API_KEY": "your-api-key",
        "MEMORY_EMBEDDING_MODEL": "text-embedding-3-small"
      }
    }
  }
}

Cursor 历史工具：

cursor_list_conversations - 按标题、工作区列出最近的本地 Cursor 会话
cursor_search_conversations - 按关键词或 request id 搜索本地 Cursor 历史
cursor_read_conversation - 按 composer_id 读取单个本地 Cursor 会话时间线

🎯 结构化输出

核心与编排工具支持结构化输出，返回机器可读的 JSON 数据，提高 AI 解析准确性，支持工具串联和状态追踪。

⏱️ 原生任务、进度推送与取消

基于 MCP SDK 的原生 task 支持（taskStore + taskMessageQueue）
支持任务生命周期端点：tasks/get、tasks/result、tasks/list、tasks/cancel
声明 capabilities.tasks.requests.tools.call，客户端可为 tools/call 创建 task
客户端提供 _meta.progressToken 时，发送 notifications/progress
通过 AbortSignal 处理请求取消并返回明确的取消错误
长时间运行的编排工具（start_*）和 sync_ui_data 支持协作取消/进度回调

🔌 扩展与 UI Apps（可选）

Trace 元数据透传：请求中的 _meta.trace 保留在工具响应中（_meta.trace）
可选扩展能力开关：设置 MCP_ENABLE_EXTENSIONS_CAPABILITY=1
可选 UI 工具 MCP Apps 资源输出：设置 MCP_ENABLE_UI_APPS=1
UI 工具可通过 ui://... 和响应 _meta.ui.resourceUri 暴露预览资源

🧭 委托式编排协议（Delegated Plan）

所有 start_* 编排工具会在 structuredContent.metadata.plan 中返回执行计划。
AI 需要按步骤调用工具并落盘文件，而不是由工具内部直接执行。

Plan Schema（核心字段）:

{
  "mode": "delegated",
  "steps": [
    {
      "id": "spec",
      "tool": "add_feature",
      "args": { "feature_name": "user-auth", "description": "用户认证功能" },
      "outputs": ["docs/specs/user-auth/requirements.md"]
    }
  ]
}

字段说明:

mode: 固定为 delegated
steps: 执行步骤数组
tool: 工具名称（如 add_feature）
action: 无工具时的手动动作描述（如 update_project_context）
args: 工具参数
outputs: 预期产物
when/dependsOn/note: 可选的条件与说明

🧩 结构化输出字段规范（关键字段）

编排与原子工具都会返回 structuredContent，常用字段约定如下：

summary: 一句话摘要
status: 状态（pending/success/failed/partial）
steps: 执行步骤（编排工具）
artifacts: 产物列表（路径 + 用途）
metadata.plan: 委托式执行计划（仅 start_*）
specArtifacts: 规格文档产物（start_feature）
estimate: 估算结果（start_feature / estimate）

🧠 需求澄清模式（Requirements Loop）

当需求不够清晰时，可在 start_feature / start_bugfix / start_ui 中使用 requirements_mode=loop。
该模式会先进行 1-2 轮结构化澄清，再进入规格/修复/UI 执行流程。

示例：

{
  "feature_name": "user-auth",
  "description": "用户认证功能",
  "requirements_mode": "loop",
  "loop_max_rounds": 2,
  "loop_question_budget": 5
}

🧩 模板系统（普通模型友好）

add_feature 支持模板档位，默认 auto 自动选择：需求不完整时偏向 guided（包含更详细的填写规则与检查清单），需求较完整时选择 strict（结构更紧凑，适合高能力模型或归档场景）。

示例：

{
  "description": "添加用户认证功能",
  "template_profile": "auto"
}

适用工具：

start_feature 会透传 template_profile 给 add_feature
start_bugfix / start_ui 也支持 template_profile，用于控制指导强度（auto/guided/strict）

模板档位策略：

guided：需求信息少/不完整、普通模型优先
strict：需求已结构化、希望指引更紧凑
auto：默认推荐，自动选择 guided/strict

🔄 工作流编排

6 个智能编排工具，自动组合多个基础工具，一键完成复杂开发流程：

start_feature - 新功能开发（需求 → 设计 → 估算）
start_bugfix - Bug 修复（分析 → 修复 → 测试）
start_onboard - 项目上手（生成项目上下文文档）
start_ui - UI 开发（设计系统 → 组件 → 代码）
start_product - 产品设计（PRD → 原型 → 设计系统 → HTML）
start_ralph - Ralph Loop（循环开发直到目标完成）

🚀 产品设计工作流

start_product 是一个完整的产品设计编排工具，从需求到可交互原型：

工作流程：

需求分析 - 生成标准 PRD 文档（产品概述、功能需求、页面清单）
原型设计 - 为每个页面生成详细的原型文档
设计系统 - 基于产品类型生成设计规范
HTML 原型 - 生成可直接在浏览器中查看的交互原型
项目上下文 - 自动更新项目文档

结构化输出补充：

start_product.structuredContent.artifacts：产出物列表（PRD、原型、设计系统等）
interview.structuredContent.mode：usage / questions / record

🎨 UI/UX Pro Max

3 个 UI/UX 工具，start_ui 作为统一入口：

start_ui - 一键 UI 开发（支持智能模式）（编排工具）
ui_design_system - 智能设计系统生成
ui_search - UI/UX 数据搜索（BM25 算法）
sync_ui_data - 同步最新 UI/UX 数据到本地

注意：start_ui 会自动调用 ui_design_system 和 ui_search，您无需单独调用它们。

灵感来源：

ui-ux-pro-max-skill - UI/UX 设计系统理念
json-render - JSON 模板渲染引擎

UI/PRD 流程的 Skill Bridge：

start_ui 和 start_product 现在在指引和 structuredContent.metadata.skills 中包含 Skill Bridge 段落
推荐 skill 调用顺序：ui-ux-pro-max → interaction-design → frontend-design
如果某些 skill 缺失，流程继续执行 MCP 主计划，并在 metadata 中标记不可用的 skill

为什么使用 sync_ui_data？

我们的 start_ui 工具依赖丰富的 UI/UX 数据库（颜色、图标、图表、组件、设计模式等）来生成高质量的设计系统和代码。这些数据来自 npm 包 uipro-cli，包含：

🎨 颜色方案（主流品牌色、配色方案）
🔣 图标库（React Icons、Heroicons 等）
📊 图表组件（Recharts、Chart.js 等）
🎯 落地页模板（SaaS、电商、政府等）
📐 设计规范（间距、字体、阴影等）

数据同步策略：

内嵌数据：构建时同步，离线可用
缓存数据：运行时更新到 ~/.mcp-probe-kit/ui-ux-data/
手动同步：使用 sync_ui_data 强制更新最新数据

这确保了即使在离线环境下，start_ui 也能生成专业级的 UI 代码。

🎤 需求访谈

2 个访谈工具，在开发前澄清需求：

interview - 结构化需求访谈
ask_user - AI 主动提问

🧭 工具选择指南

何时使用编排工具 vs 单独工具？

使用编排工具（start_*）当：

✅ 需要完整的工作流程（多个步骤）
✅ 希望自动化执行多个任务
✅ 需要生成多个产物（文档、代码、测试等）

使用单独工具当：

✅ 只需要某个特定功能
✅ 已经有了项目上下文文档
✅ 需要更精细的控制

常见场景选择

场景	推荐工具	原因
开发新功能（完整流程）	`start_feature`	自动完成：规格→估算
只需要功能规格文档	`add_feature`	更轻量，只生成文档
修复 Bug（完整流程）	`start_bugfix`	自动完成：分析→修复→测试
只需要 Bug 分析	`fix_bug`	更快速，只分析问题
生成设计系统	`ui_design_system`	直接生成设计规范
开发 UI 组件	`start_ui`	完整流程：设计→组件→代码
产品设计（从需求到原型）	`start_product`	一键完成：PRD→原型→HTML
一句话需求分析	`init_project`	生成完整项目规格文档
项目上手文档	`init_project_context`	生成技术栈/架构/规范

🚀 快速开始

方式一：npx 直接使用（推荐）

无需安装，直接使用最新版本。

Cursor / Cline 配置

配置文件位置：

Windows: %APPDATA%\Cursor\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json
macOS: ~/Library/Application Support/Cursor/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
Linux: ~/.config/Cursor/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json

配置内容：

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"]
    }
  }
}

记忆系统安装配置（Qdrant + Embedding）

如果你要使用 memorize_asset、read_memory_asset、scan_and_extract_patterns，需要同时配置向量数据库和 embedding 服务。

推荐组合：Qdrant + Ollama

docker run -d --name mcp-qdrant -p 6333:6333 qdrant/qdrant
ollama pull nomic-embed-text

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "ollama",
        "MEMORY_EMBEDDING_URL": "http://127.0.0.1:11434/api/embeddings",
        "MEMORY_EMBEDDING_MODEL": "nomic-embed-text",
        "MEMORY_SEARCH_LIMIT": "3",
        "MEMORY_SUMMARY_MAX_CHARS": "280"
      }
    }
  }
}

OpenAI-Compatible Embedding 配置示例：

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"],
      "env": {
        "MEMORY_QDRANT_URL": "http://127.0.0.1:6333",
        "MEMORY_QDRANT_COLLECTION": "mcp_probe_memory",
        "MEMORY_EMBEDDING_PROVIDER": "openai-compatible",
        "MEMORY_EMBEDDING_URL": "https://your-embedding-endpoint/v1/embeddings",
        "MEMORY_EMBEDDING_API_KEY": "your-api-key",
        "MEMORY_EMBEDDING_MODEL": "text-embedding-3-small"
      }
    }
  }
}

环境变量说明：

MEMORY_QDRANT_URL：Qdrant 地址，所有记忆功能基础配置
MEMORY_QDRANT_API_KEY：Qdrant API Key，可选
MEMORY_QDRANT_COLLECTION：集合名，默认 mcp_probe_memory
MEMORY_EMBEDDING_PROVIDER：ollama 或 openai-compatible
MEMORY_EMBEDDING_URL：embedding 接口地址
MEMORY_EMBEDDING_API_KEY：embedding API Key，Ollama 场景通常留空
MEMORY_EMBEDDING_MODEL：embedding 模型名，默认 nomic-embed-text
MEMORY_SEARCH_LIMIT：默认检索条数，默认 3
MEMORY_SUMMARY_MAX_CHARS：摘要最大字符数，默认 280

行为说明：

只读记忆功能只要求配置 MEMORY_QDRANT_URL
写入记忆要求同时配置 MEMORY_QDRANT_URL、MEMORY_EMBEDDING_URL、MEMORY_EMBEDDING_MODEL
首次写入会自动创建 Qdrant collection，向量维度按第一次 embedding 返回结果自动推断
Cursor 历史工具不依赖 Qdrant 或 embedding

Cursor / Cline 配置

配置文件位置：

Windows: %APPDATA%\Claude\claude_desktop_config.json
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json

配置内容：

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "npx",
      "args": ["-y", "mcp-probe-kit@latest"]
    }
  }
}

OpenCode 配置

配置文件位置：

项目级：opencode.json（项目根目录）
全局：~/.config/opencode/opencode.json

配置内容：

{
  "mcp": {
    "mcp-probe-kit": {
      "type": "local",
      "command": ["npx", "-y", "mcp-probe-kit@latest"],
      "enabled": true
    }
  }
}

注意： OpenCode 使用 opencode.json，格式与 Cursor/Claude Desktop 不同。用 mcp 替代 mcpServers，command 为数组，需指定 "type": "local"，环境变量用 environment 而非 env。详见 OpenCode MCP 文档。

方式二：全局安装

npm install -g mcp-probe-kit

配置文件中使用：

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "mcp-probe-kit"
    }
  }
}

Windows 图谱工具特别说明

适用于 code_insight、start_feature、start_bugfix、init_project_context。

GitNexus Bridge 默认通过 npx -y gitnexus@latest mcp 启动。
在 Windows 上，首次冷启动可能需要 20 秒以上，因为 npx 可能会检查或下载依赖。
GitNexus 的部分依赖使用 tree-sitter-* 原生模块；如果系统没有 Visual Studio Build Tools，首次安装可能失败，并出现 gyp ERR! find VS could not find a version of Visual Studio 2017 or newer to use 之类的错误。

Windows 环境建议：

如果会经常使用图谱相关工具，先安装包含 C++ 工作负载的 Visual Studio Build Tools。
如果 MCP 客户端支持 env，优先改为使用已安装好的本地或全局 gitnexus CLI。
在首次启动较慢或机器较慢时，适当增大 GitNexus 的连接和调用超时。

快速安装命令（Windows）：

winget install Microsoft.VisualStudio.2022.BuildTools

如果已经预装 gitnexus CLI，可参考：

{
  "mcpServers": {
    "mcp-probe-kit": {
      "command": "mcp-probe-kit",
      "env": {
        "MCP_GITNEXUS_COMMAND": "gitnexus",
        "MCP_GITNEXUS_ARGS": "mcp",
        "MCP_GITNEXUS_CONNECT_TIMEOUT_MS": "30000",
        "MCP_GITNEXUS_TIMEOUT_MS": "45000"
      }
    }
  }
}

重启客户端

配置完成后，完全退出并重新打开你的 MCP 客户端。

👉 详细安装指南

💡 使用示例

日常开发

code_review @feature.ts    # 代码审查
gentest @feature.ts         # 生成测试
gencommit                   # 生成提交消息

新功能开发

start_feature user-auth "用户认证功能"
# 自动完成：需求分析 → 设计方案 → 工作量估算

Bug 修复

start_bugfix
# 然后粘贴错误信息
# 自动完成：问题定位 → 修复方案 → 测试代码

产品设计

start_product "在线教育平台" --product_type=SaaS
# 自动完成：PRD → 原型设计 → 设计系统 → HTML 原型

UI 开发

start_ui "登录页面" --mode=auto
# 自动完成：设计系统 → 组件生成 → 代码输出

项目上下文文档

# 单文件模式（默认）- 生成一个完整的 project-context.md
init_project_context

# 模块化模式 - 生成 6 个分类文档（适合大型项目）
init_project_context --mode=modular
# 生成：project-context.md（索引）+ 5 个分类文档

Git 工作报告

# 生成日报
git_work_report --date 2026-02-03

# 生成周报
git_work_report --start_date 2026-02-01 --end_date 2026-02-07

# 保存到文件
git_work_report --date 2026-02-03 --output_file daily-report.md
# 自动分析 Git diff，生成简洁专业的中文工作报告
# 如果直接命令失败，会自动提供创建临时脚本的方案（执行后自动删除）

👉 更多使用示例

❓ 常见问题

Q1: 工具无法使用或报错怎么办？

查看详细日志：

Windows (PowerShell):

npx -y mcp-probe-kit@latest 2>&1 | Tee-Object -FilePath .\mcp-probe-kit.log

macOS/Linux:

npx -y mcp-probe-kit@latest 2>&1 | tee ./mcp-probe-kit.log

Q2: 配置后客户端无法识别工具？

重启客户端（完全退出后重新打开）
检查配置文件路径是否正确
确认 JSON 格式正确，没有语法错误
查看客户端的开发者工具或日志中的错误信息

Q3: 如何更新到最新版本？

npx 方式（推荐）: 配置中使用 @latest 标签，会自动使用最新版本。

全局安装方式:

npm update -g mcp-probe-kit

Q4: 为什么 Windows 下图谱工具首次启动很慢，甚至超时？

这类问题通常影响 code_insight、start_feature、start_bugfix、init_project_context。

常见原因：

npx -y gitnexus@latest mcp 属于冷启动，可能花 20 秒以上检查或下载依赖。
GitNexus 依赖的 tree-sitter-* 原生模块在 Windows 上可能需要 Visual Studio Build Tools。

如果日志里看到：

gyp ERR! find VS could not find a version of Visual Studio 2017 or newer to use
gyp ERR! find VS - missing any VC++ toolset

建议按下面排查：

安装带 C++ 工作负载的 Visual Studio Build Tools。
等依赖安装完成后重试一次。
如果客户端支持 env，优先切换为已安装的 gitnexus CLI，并增大： MCP_GITNEXUS_CONNECT_TIMEOUT_MS MCP_GITNEXUS_TIMEOUT_MS

👉 更多常见问题

🤝 贡献指南

欢迎提交 Issue 和 Pull Request！

改进建议：

新增实用工具
优化现有工具的提示词
改进文档和示例
修复 Bug

📄 License

MIT License

🔗 相关链接

相关项目：

Model Context Protocol (MCP) - MCP 协议官方文档
GitHub Spec-Kit - GitHub 规格化开发工具
ui-ux-pro-max-skill - UI/UX 设计系统理念来源
json-render - JSON 模板渲染引擎灵感来源
uipro-cli - UI/UX 数据源

Made with ❤️ for AI-Powered Development

Uh oh!

FilesExpand file tree

README.zh-CN.md

Latest commit

History

README.zh-CN.md

File metadata and controls

知时MCP | mcp-probe-kit

📚 完整文档

✨ 核心特性

📦 28 个工具

🧠 代码图谱桥接 (GitNexus)

🐛 Bug 流程的 TBP 8 步根因分析法

🧠 记忆检索与 Cursor 历史

🎯 结构化输出

⏱️ 原生任务、进度推送与取消

🔌 扩展与 UI Apps（可选）

🧭 委托式编排协议（Delegated Plan）

🧩 结构化输出字段规范（关键字段）

🧠 需求澄清模式（Requirements Loop）

🧩 模板系统（普通模型友好）

🔄 工作流编排

🚀 产品设计工作流

🎨 UI/UX Pro Max

🎤 需求访谈

🧭 工具选择指南

何时使用编排工具 vs 单独工具？

常见场景选择

🚀 快速开始

方式一：npx 直接使用（推荐）

Cursor / Cline 配置

记忆系统安装配置（Qdrant + Embedding）

Cursor / Cline 配置

OpenCode 配置

方式二：全局安装

Windows 图谱工具特别说明

重启客户端

💡 使用示例

日常开发

新功能开发

Bug 修复

产品设计

UI 开发

项目上下文文档

Git 工作报告

❓ 常见问题

Q1: 工具无法使用或报错怎么办？

Q2: 配置后客户端无法识别工具？

Q3: 如何更新到最新版本？

Q4: 为什么 Windows 下图谱工具首次启动很慢，甚至超时？

🤝 贡献指南

📄 License

🔗 相关链接