详细介绍
Knowns CLI 是一个面向开发者的**CLI 优先知识管理工具**，专为赋予 AI **持久化的项目上下文记忆**而设计。它的核心使命是解决 AI 编程助手在真实工程场景中“记不住、找不到、连不上”的痛点——让 AI 不再重复提问、不再遗忘约定、不再脱离项目语境。
通过终端原生的文档化工作流（`knowns doc`, `knowns link`, `knowns task` 等命令），Knowns CLI 帮助团队将散落的 README、会议纪要、API 设计、任务状态、时间日志等结构化沉淀为可检索、可关联、可复用的「项目已知信息」（Knowns），让每个 AI 请求都运行在真实的、持续演进的工程认知基座之上。
📊 核心价值与量化收益
🧱 核心技术模块
| 模块 | 功能描述 |
|---|---|
| CLI-first Knowledge Base | 基于终端的轻量级知识库：支持 Markdown 文档、自动元数据提取、Git 版本快照，所有操作均可脚本化。 |
| Context Linking Engine | 智能双向链接系统：通过 knowns link 建立文档、代码文件、PR、任务之间的语义关系，构建项目认知图谱。 |
| AI Memory Adapter | 为 LLM 提供结构化上下文注入能力：自动生成 `--context` 参数，无缝对接 Cursor、Continue、MCP Server 等 AI 工具链。 |
| Task & Time Awareness | 集成任务追踪与时间记录：knowns task 和 knowns time 自动沉淀决策依据与耗时归因，形成可审计的工程叙事。 |
| MCP Server Integration | 原生支持 Model Context Protocol（MCP）标准，作为本地 MCP Server 提供权威项目知识源，赋能各类 AI Agent。 |
| Git-Native Sync | 知识即代码：所有 Knowns 数据存储于 Git 仓库中，享受分支、合并、审查、回滚等完整 DevOps 流程保障。 |
💰 定价方案
Knowns CLI 完全开源免费，遵循 MIT 协议，无隐藏功能、无用量限制、无 SaaS 订阅——知识主权始终属于你和你的团队。
| 方案 | 定价 | 核心权益 | 适用对象 |
|---|---|---|---|
| 开源版 | 免费 MIT 协议 |
全部 CLI 功能、Git 同步、MCP Server、AI 上下文注入、本地搜索与链接 | 个人开发者 & 开源团队 |
| 团队协作版 | 免费 含私有仓库支持 |
增加：跨仓库知识聚合、团队命名空间、权限模板、审计日志导出 | 中小技术团队 |
| 企业增强版 | 定制 SAML/SSO + 私有部署 |
增加：统一身份认证、合规策略引擎、知识血缘分析、企业级 SLA 支持 | 对安全与治理有严格要求的企业 |
| 专业支持 | 按需报价 培训 / 实施 / 定制开发 |
专属工程师响应、知识建模咨询、AI 工具链深度集成、CI/CD 流水线嵌入 | 规模化落地场景 |
🎯 解决的核心工程问题
| 工程陷阱 | 导致的后果 | Knowns CLI 的解决方案 |
|---|---|---|
| “AI 失忆症” | 每次对话都从零开始，开发者被迫反复输入项目背景、架构约束、编码规范。 | 通过本地 CLI 构建持久化项目知识库，并自动注入至 AI 工具链，实现真正的上下文继承。 |
| “文档孤岛” | README、Confluence、Notion、Jira、代码注释各自为政，关键信息无法联动验证。 | 以代码为中心，用 knowns link 在任意文本/文件间建立机器可读的语义链接，打破信息壁垒。 |
| “黑盒式 AI 输出” | AI 给出建议却无法追溯依据，难以评估合理性，阻碍工程信任建立。 | 所有 AI 回答均可标注来源（如：来自 docs/arch.md 第3节 或 PR #127 的评审结论），实现可验证、可审计的智能协作。 |
| “知识流失风险” | 关键决策、隐性经验、调试过程仅存在于某位工程师脑中或临时聊天记录里。 | 将知识生产融入日常开发流程（knowns doc --from-pr, knowns time --tag=debug），让沉淀成为自然副产品。 |
让 AI 真正理解你的项目
🧠 将零散信息转化为 AI 可理解、可推理、可验证的项目认知基座
🛠️ 无需服务器、不上传数据、完全掌控知识主权
⚡ 3 分钟安装，立即为你的 AI 注入项目上下文记忆
使用场景
新成员接手遗留项目
刚加入团队，面对一个没人维护的老项目，连基本的接口调用方式和配置逻辑都搞不清，问老同事又怕打扰他们，AI 助手也总答非所问怎么办？
用 `knowns doc` 把项目里散落的 README、接口文档、部署说明等关键信息结构化录入，再通过 `knowns link` 关联相关文件和任务。之后每次向 AI 提问时，它会自动参考这些已知上下文，给出贴合项目实际的答案，不用反复解释背景。
修复跨模块的线上 Bug
线上出问题了，但这个 Bug 涉及三个微服务，每个服务都有自己的日志和约定，我记不住它们之间的调用关系和错误码含义，AI 也总给通用建议，根本没法快速定位！
提前用 `knowns doc` 记录各模块的通信协议、错误码规范，并用 `knowns task` 跟踪历史故障处理记录。当再次排查类似问题时，AI 能基于这些已知信息精准还原上下文，直接提示可能的故障链路和解决方案。
写技术方案评审材料
要写一个新功能的技术方案，但之前类似的讨论散落在飞书文档、会议纪要和 PR 评论里，翻半天都找不到关键决策点，AI 还以为这是个全新需求，给的建议完全不考虑已有约束。
通过 `knowns link` 将历史会议纪要、设计文档和 PR 评论统一关联到当前任务，再用 `knowns doc` 提炼核心约束和选型理由。AI 在生成方案时会自动引用这些已知决策，避免重复造轮子或违背已有约定。
每日站会同步进展
每天站会前都要花 10 分钟翻 Git 提交、Jira 和聊天记录，才能说清楚昨天干了啥、卡在哪，能不能让 AI 帮我自动生成进展摘要？
用 `knowns task` 记录每日任务状态和阻塞点，配合 `knowns log` 自动关联 Git 提交和时间日志。站会前运行 `knowns report`，AI 就能基于结构化的已知进展，一键生成准确、简洁的同步摘要。
对接第三方 API
对接一个新第三方 API，它的认证方式、限流规则和字段映射特别复杂，每次调试都要翻文档，AI 给的示例代码也总是缺关键参数，怎么让它记住这些细节？
用 `knowns doc` 创建该 API 的专属知识条目，明确记录认证流程、限流策略和字段对照表，并通过 `knowns link` 关联到具体调用代码文件。之后 AI 在生成或审查相关代码时，会自动注入这些已知规则，避免遗漏关键逻辑。
常见问题
用户评分
为此工具评分