$ loading_
帮助开发者以递归语言模型分析超大代码库并突破上下文窗口限制
复制安装指令，让 AI 自动完成配置 · 推荐新手
"RLM-Mem MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
使用 RLM-Mem MCP Server 读取这个大型代码库，将核心模块、依赖关系和入口流程保存为变量，并分析系统整体架构，输出模块分层、关键调用链和潜在耦合问题。
一份面向工程师的架构分析摘要，包含模块关系、调用路径和需重点关注的设计问题。
基于 RLM-Mem MCP Server 对整个仓库建立可检索变量，帮我找出与用户鉴权、权限校验和会话管理相关的代码位置，并说明各自职责与关联。
按功能分类的代码定位结果，并附带职责说明与相关文件之间的联系。
利用 RLM-Mem MCP Server 分析超过 200k tokens 的代码库，识别重复逻辑与可抽象组件，并提出一个分阶段重构方案，注明影响范围和风险点。
一份可执行的重构建议，包含重复点、抽象机会、实施步骤及风险评估。
为 AI 助手提供递归式大模型推理与 Python 执行，提升大上下文探索效率。