หน่วยความจำท้องถิ่นสำหรับตัวแทนการเขียนโค้ด AI ที่เปิดเผยผ่าน MCP
deja-vu ซึ่งสร้างโดย Vshulcz เป็นเครื่องมือค้นหา AI ที่ให้ผู้ช่วยในการเขียนโค้ดมีหน่วยความจำถาวรสำหรับการทำงานด้านการพัฒนา มันบันทึกการโต้ตอบจากเครื่องมือ AI และเปิดเผยประวัตินั้นให้กับลูกค้า Model Context Protocol เพื่อให้ตัวแทนสามารถอ้างอิงงานที่ผ่านมาในระหว่างเซสชัน แอปนี้นำเสนอบริบททางประวัติศาสตร์ที่สามารถค้นหาได้พร้อมการเรียกคืนที่จัดอันดับและจุดรวม MCP มันมุ่งเป้าไปที่นักพัฒนาซอฟต์แวร์ วิศวกร DevOps และผู้ใช้ที่มีความสามารถสูงที่ใช้ตัวแทนการเขียนโค้ด AI หลายตัวและต้องการความต่อเนื่องของเซสชัน。
คุณสามารถใช้มันทำงานอะไรได้บ้าง?
เครื่องมือจะรวมผลลัพธ์ที่ผลิตโดยผู้ช่วยการเขียนโค้ดยอดนิยมและตัวแทน CLI ทำให้การแลกเปลี่ยนก่อนหน้านี้สามารถใช้สำหรับการสอบถามเชิงโปรแกรมได้ มันรับข้อมูลเซสชันจากอินเทอร์เฟซเช่น Claude Code, Cursor, Gemini CLI, Codex, Aider, OpenCode และ Copilot CLI ทำให้ตัวแทนสามารถดึงลำดับคำสั่งก่อนหน้า, แก้ไขข้อบกพร่องที่แก้ไขแล้ว และบันทึกการออกแบบ ผู้ใช้สามารถสอบถามประวัติจากลูกค้าที่รับรู้ MCP เพื่อให้การทำงานอัตโนมัติสามารถอ้างอิงการกระทำในอดีตที่เป็นรูปธรรมได้
ผลการค้นหามีความเชื่อถือได้และเกี่ยวข้องมากน้อยเพียงใด?
คุณภาพการค้นหาขับเคลื่อนโดยเครื่องยนต์ข้อความเต็มที่สร้างขึ้นจาก SQLite FTS5 และแผนการจัดอันดับที่ผสมผสานความเกี่ยวข้องแบบ BM25 กับสัญญาณ frecency (ความถี่บวกความใกล้เคียง) การรวมกันนั้นสนับสนุนรายการที่ตรงกับคำค้นและแสดงการใช้งานซ้ำและล่าสุด ซึ่งช่วยให้คำสั่งและการแก้ไขที่มีประโยชน์ปรากฏขึ้นแทนที่จะเป็นสแนปช็อตเก่าที่ใช้งานน้อย Performance มุ่งเป้าไปที่การดึงข้อมูลอย่างรวดเร็วผ่านการจัดทำดัชนีในท้องถิ่นแทนการค้นหาจากระยะไกล
ข้อกำหนดการรวมและแพลตฟอร์มคืออะไร?
แอปพูดตามโปรโตคอล Model Context และทำงานร่วมกับลูกค้าที่ปฏิบัติตาม MCP ใด ๆ รวมถึงลูกค้าเดสก์ท็อปและการรวม IDE เส้นทางการติดตั้งต้องการสภาพแวดล้อม Node.js หรือ Go ขึ้นอยู่กับวิธีที่เลือก และการทำงานในท้องถิ่นครอบคลุม macOS และ Linux โดย Windows รองรับผ่าน WSL การรวมสามารถทำได้ง่ายๆ เพียงแค่เพิ่มไฟล์ปฏิบัติการเป็นเซิร์ฟเวอร์ MCP ในการกำหนดค่าลูกค้า และเครื่องมือติดตามเชลล์ทั่วไปเช่น Bash และ Zsh สำหรับการโต้ตอบใหม่
มันต้องการความรู้ทางเทคนิคเพื่อให้ได้ผลลัพธ์ที่มีประโยชน์หรือไม่?
การนำไปใช้ต้องการความคุ้นเคยกับระบบในระดับปานกลาง: การกำหนดค่าเซิร์ฟเวอร์ MCP, การชี้ลูกค้าไปที่จุดสิ้นสุดในท้องถิ่น และการอนุญาตให้แอปอ่านผลลัพธ์เซสชัน สถาปัตยกรรมวางข้อมูลไว้บนเครื่องโฮสต์และหลีกเลี่ยงบัญชีคลาวด์ที่บังคับ ซึ่งเหมาะสำหรับผู้ใช้ที่จัดการเครื่องมือของตนเอง การซิงค์พื้นหลังอัตโนมัติช่วยลดงานการจัดทำดัชนีด้วยตนเอง แต่ผู้ดูแลระบบที่สะดวกสบายกับโครงสร้างพื้นฐานของนักพัฒนาท้องถิ่นจะได้รับคุณค่ามากที่สุด
ทางเลือกที่ใช้งานได้จริงสำหรับนักพัฒนาที่ยอมรับการแลกเปลี่ยนเครื่องมือในท้องถิ่น
เครื่องมือนี้เป็นตัวเลือกที่ใช้งานได้จริงสำหรับนักพัฒนาและผู้เชี่ยวชาญด้าน DevOps ที่ต้องการความต่อเนื่องส่วนตัวที่ยั่งยืนระหว่างเซสชันที่ช่วยด้วย AI มันเหมาะสำหรับทีมและบุคคลที่พร้อมจัดการการกำหนดค่าท้องถิ่นเล็กน้อยเพื่อแลกกับบริบททางประวัติศาสตร์ที่ค้นหาได้ คาดว่าจะมีเส้นโค้งการเรียนรู้ในการตั้งค่า หากคุณเป็นผู้ใช้ใหม่กับ MCP endpoints และวางแผนที่จะจัดการกับชิ้นส่วนที่ดึงมาเป็นบริบทที่ยังคงได้รับประโยชน์จากการตรวจสอบของมนุษย์.
