Kontext

Kontext 是一个面向 AI 辅助研发场景的 Go 命令行工具。它的核心能力是将项目的关键知识（架构、规范、模块契约等）编译为结构化上下文，沉淀到项目内的 .kontext/ 目录中，供 AI 编程工具直接读取和理解。

简单说，它解决的是这类问题：

• AI 不知道项目整体结构，每次都要重新解释
• 项目规范、模块边界、架构约束通常散落在代码、文档和人脑里
• 同一个任务换一个模型、换一个对话窗口，就得重复补上下文
• 全量喂代码成本高，而且效果并不稳定

Kontext 的做法是把这些信息沉淀到项目内的 .kontext/ 目录中，AI 编程工具（Claude Code、Codex 等）可以直接读取这些结构化制品来理解项目。

它是干什么的

从代码实现和 .kontext/ 中的工程说明看，Kontext 可以概括为一个”面向 AI 开发工作流的上下文编译器”：

• init：初始化 .kontext/，生成项目清单、架构图、编码约定、模块契约等上下文文件
• validate：校验 .kontext/ 里的 JSON 配置是否合法
• update：检测项目源码变化，按需更新 .kontext/ 中的物料
• config：管理全局 LLM 配置
• pack：已弃用。此前用于按任务打包 Markdown Prompt，现在推荐让 AI 编程工具直接读取 .kontext/ 目录

它既支持”交互式初始化”，也支持”扫描源码自动生成配置”，生成的上下文制品可被 AI 编程工具直接读取使用。

核心产物

Kontext 主要围绕项目根目录下的 .kontext/ 工作。当前实现里最核心的产物包括：

• .kontext/PROJECT_MANIFEST.json 项目全局清单，描述项目定位、业务背景、核心流程、技术栈、当前阶段
• .kontext/ARCHITECTURE_MAP.json 项目的分层结构、模块归属和架构规则
• .kontext/CONVENTIONS.json 编码规范、错误处理规则、AI 协作约束
• .kontext/module_contracts/*.json 每个模块的职责边界、依赖关系、对外接口和修改规则（文件名基于模块相对路径，如 internal_config.json）
• .kontext/.cache/ init --scan 的阶段缓存和断点恢复数据

项目结构概览

仓库当前是一个标准的 Go CLI 工程，入口和分层比较清晰：

• main.go 程序入口
• cmd/ Cobra 命令层，对外暴露 init、validate、update、config
• internal/generator/ 初始化与扫描生成流程
• internal/updater/ 变更检测与物料更新
• internal/schema/ .kontext 各类 JSON 的结构定义、加载和校验
• internal/llm/ OpenAI 兼容接口封装、结构化输出和重试逻辑
• internal/config/ 全局 LLM 配置加载与保存
• internal/cache/ 扫描缓存与检查点恢复
• templates/ 提示词模板，使用 Go embed 打包进二进制
• docs/ 设计记录和方案演进文档
• .kontext/ 当前仓库自身的 Kontext 配置，可作为理解项目的参考样本

工作流程

典型使用流程如下：

1. 配置 LLM
2. 运行 kontext init 或 kontext init --scan
3. 检查并补充 .kontext/ 中的 JSON 内容
4. 运行 kontext validate
5. 在 AI 编程工具（Claude Code、Codex 等）中告知 LLM 可以读取 .kontext/ 目录获取项目上下文
6. 代码变更后运行 kontext update 保持上下文同步

安装

方式一：直接用 Go 安装

要求：

• Go 1.24.2 或更高版本

安装命令：

go install github.com/w1ndys/kontext@latest

安装完成后，确认 GOBIN 或 GOPATH/bin 已加入 PATH。

方式二：从源码构建

git clone https://github.com/w1ndys/kontext.git
cd kontext
go build -o dist/kontext .

Windows 下可输出为：

go build -o dist/kontext.exe .

方式三：使用 Taskfile 构建

仓库内已经提供 Taskfile.yml，支持当前平台和多平台构建，例如：

task build
task build:all

LLM 配置

Kontext 当前通过 OpenAI 兼容接口工作。配置优先级为：

• 环境变量
• ~/.kontext/config.json
• 默认值

默认值：

• llm.base_url = https://api.openai.com/v1
• llm.model = gpt-5.4
• llm.timeout = 300（秒）
• llm.max_tokens = 1000000

方式一：交互式配置

kontext config

这个命令会引导你设置：

• API Base URL
• API Key
• 模型名
• 超时时间

如果 API 可访问，它还会尝试读取模型列表并让你在终端里选择。

方式二：命令行配置

kontext config set llm.base_url https://api.openai.com/v1
kontext config set llm.api_key your-api-key
kontext config set llm.model gpt-5.4
kontext config set llm.timeout 120
kontext config set llm.max_tokens 16384

查看配置：

kontext config list
kontext config get llm.model

方式三：环境变量

export KONTEXT_LLM_BASE_URL=https://api.openai.com/v1
export KONTEXT_LLM_API_KEY=your-api-key
export KONTEXT_LLM_MODEL=gpt-5.4
export KONTEXT_LLM_TIMEOUT=120
export KONTEXT_LLM_MAX_TOKENS=16384

Windows PowerShell：

$env:KONTEXT_LLM_BASE_URL = "https://api.openai.com/v1"
$env:KONTEXT_LLM_API_KEY = "your-api-key"
$env:KONTEXT_LLM_MODEL = "gpt-5.4"
$env:KONTEXT_LLM_TIMEOUT = "120"
$env:KONTEXT_LLM_MAX_TOKENS = "16384"

如何使用

命令速查

命令	说明
kontext -v	查看版本号
kontext init	交互式初始化 .kontext/ 目录
kontext init --scan	自动扫描源码生成配置
kontext init --scan --fresh	忽略缓存，强制重新扫描
kontext init --scan --resume	从检查点继续（不询问）
kontext validate	校验 .kontext/ 下的 JSON 文件
kontext update	检测代码与物料偏差，确认后调用 LLM 更新
kontext update --force	强制更新所有物料，无视变更检测
kontext update -m <模块路径>	只更新指定模块（可多次使用）
kontext update -e <目录>	排除指定目录，更新其余物料（可多次使用）
kontext config	交互式配置向导
kontext config set <key> <value>	设置配置项
kontext config get <key>	获取配置项
kontext config list	列出所有配置

1. 初始化 .kontext

交互式初始化

kontext init

行为如下：

• 如果输入项目描述，会调用 LLM 进行交互式初始化
• 如果直接回车，会写入一套静态模板
• 如果当前目录已经存在 .kontext/PROJECT_MANIFEST.json，会先询问是否覆盖

扫描源码自动生成

kontext init --scan

这个模式会分阶段执行：

1. 扫描目录树
2. 用 LLM 识别关键文件
3. 读取配置和依赖文件
4. 提取源码概要
5. 选择重点文件
6. 生成 PROJECT_MANIFEST.json
7. 生成 ARCHITECTURE_MAP.json 和 CONVENTIONS.json
8. 生成模块契约
9. 补充依赖与收尾

缓存与恢复：

kontext init --scan --fresh
kontext init --scan --resume

• --fresh 忽略缓存，强制重新扫描
• --resume 直接从有效检查点继续

2. 校验生成结果

kontext validate

当前会重点检查：

• PROJECT_MANIFEST.json 是否存在
• JSON 是否可解析
• project.name 等必要字段是否存在
• 架构图、规范、模块契约文件是否可解析

3. 根据代码变更更新 .kontext

kontext update

默认模式下，命令会自动检测变更并更新受影响的物料，执行流程如下：

1. 变更检测：扫描项目源码目录，与 .kontext/ 中已有的物料进行比对
   • 检查是否有新增或删除的包目录（对比 ARCHITECTURE_MAP.json 中的 packages）
   • 检查模块契约是否过期（对比导出符号和 owns 条目）
   • 检测是否存在缺少契约的新模块，或代码已删除但契约仍存在的废弃模块
   • 检查 PROJECT_MANIFEST.json 是否因技术栈变化等信号需要更新
2. 生成更新计划：列出所有需要更新的物料及原因
3. 用户确认：展示计划并等待用户确认（y/N）
4. 调用 LLM 执行更新：逐个调用 LLM 重新生成受影响的 JSON 物料并写入文件

如果未检测到任何变更，命令会直接提示"未检测到需要更新的物料"并退出。

强制更新

kontext update --force
kontext update -f

无视变更检测结果，强制更新所有物料（架构图、全部模块契约、项目清单）。适用于首次迁移或需要全量刷新的场景。

指定模块更新

kontext update -m <模块路径>

只更新指定模块的契约，可多次使用 -m 指定多个模块。使用此参数时，architecture 和 manifest 不会被更新。

示例：

# 只更新 database 模块契约
kontext update -m internal/database

# 同时更新多个模块契约
kontext update -m internal/api -m internal/core

# 强制更新指定模块
kontext update --force -m internal/database

排除目录更新

kontext update -e <目录>

排除指定目录下的模块，更新其余物料。可多次使用 -e 指定多个排除目录。非契约类型（architecture、manifest）始终保留。

示例：

# 排除 vendor 目录，更新其余物料
kontext update -e vendor

# 排除多个目录
kontext update -e vendor -e third_party

注意：-m 和 -e 不能同时使用。

最小可用示例

如果你想最快验证一遍：

kontext config
kontext init --scan
kontext validate

然后在 AI 编程工具中引导 LLM 读取 .kontext/ 目录即可。详见下方「与 AI 编程工具集成」。

与 AI 编程工具集成

生成 .kontext/ 后，需要在 AI 编程工具中添加提示词，让 LLM 知道项目上下文的存在。根据你使用的工具，将以下内容加入对应的配置文件或对话中：

Claude Code

在项目根目录的 CLAUDE.md 中添加：

## 项目上下文

本项目使用 Kontext 生成了结构化上下文，存放在 `.kontext/` 目录中。开始任务前请先阅读以下制品：

- `.kontext/PROJECT_MANIFEST.json` — 项目清单（定位、技术栈、核心流程）
- `.kontext/ARCHITECTURE_MAP.json` — 架构分层与模块归属
- `.kontext/CONVENTIONS.json` — 编码规范与约束
- `.kontext/module_contracts/` — 各模块的职责边界与接口契约

请基于这些上下文理解项目结构后再进行开发。

OpenAI Codex

在项目根目录的 AGENTS.md 中添加相同内容。

Cursor

在项目根目录的 .cursorrules 中添加相同内容。

其他工具

如果工具不支持配置文件，可以在对话开始时直接发送：

请先阅读 .kontext/ 目录下的 JSON 文件了解项目上下文，然后再开始任务。

适用场景

当前更适合以下类型项目：

• CLI 工具
• Go / Python / Node.js 服务端项目
• 多模块后端系统
• AI Agent / LLM 应用
• 需要长期和多个 AI 工具协作的工程

当前实现特点

结合现有代码，Kontext 的几个关键实现点是：

• 使用 Cobra 构建 CLI
• 使用 .kontext JSON 作为项目知识的标准载体
• 使用 OpenAI 兼容 LLM 接口生成结构化结果
• 使用模板系统统一组织 Prompt
• init --scan 具备阶段缓存和断点恢复能力
• 生成的上下文制品可被 Claude Code、Codex 等 AI 编程工具直接读取
• 每次运行命令时自动检查版本更新，有新版本时提示升级

参考

如果你要进一步理解这个项目，建议优先阅读：

• .kontext/PROJECT_MANIFEST.json
• .kontext/ARCHITECTURE_MAP.json
• .kontext/CONVENTIONS.json
• cmd/
• internal/generator/
• docs/

这几部分基本能覆盖“项目是什么、怎么工作、为什么这样设计”。

致谢

• LINUXDO社区