Cortex AI

English | 繁體中文 | 文檔

AI 編程助手的問題

Claude Code、Cursor、GitHub Copilot 等 AI 編程助手功能強大，但它們有共同的致命缺陷：

| 限制 | 影響 | |------|------| | 沒有記憶 | 每次對話都從零開始。過去的決策、模式、經驗教訓全部遺忘。 | | 沒有結構 | 輸出品質不穩定。同樣的 prompt → 每次結果都不同。 | | 沒有驗證 | 沒有品質把關。AI 可能產生不完整或不一致的程式碼。 | | 不了解影響 | AI 不知道變更會如何影響程式碼庫的其他部分。 | | 無法共享知識 | 每個開發者的學習各自獨立。沒有團隊智慧。 | | 沒有原則約束 | 無法跨對話強制執行編碼標準。 |

結果：需要持續人工監督的「憑感覺編碼」。

解決方案：Cortex AI

Cortex AI 是一個開發大腦，為任何 MCP 相容的 AI 助手擴展 記憶、結構和智慧。

┌─────────────────────────────────────────────────────────────────┐
│                    您的 AI 助手                                  │
│              (Claude Code / Cursor / Copilot)                   │
└─────────────────────────┬───────────────────────────────────────┘
                          │ MCP 協定
                          ▼
┌─────────────────────────────────────────────────────────────────┐
│                      CORTEX AI                                  │
│  ┌──────────────┐ ┌──────────────┐ ┌──────────────┐            │
│  │   記憶       │ │   工作流程   │ │   分析       │            │
│  │   系統       │ │   系統       │ │   引擎       │            │
│  │              │ │              │ │              │            │
│  │ • 模式       │ │ • 規格       │ │ • 安全       │            │
│  │ • 決策       │ │ • 計畫       │ │ • 品質       │            │
│  │ • 經驗       │ │ • 任務       │ │ • 影響       │            │
│  │ • 解決方案   │ │ • 實施       │ │ • 覆蓋率     │            │
│  └──────────────┘ └──────────────┘ └──────────────┘            │
│  ┌──────────────┐ ┌──────────────┐ ┌──────────────┐            │
│  │    團隊      │ │   憲章       │ │   環境       │            │
│  │   知識庫     │ │   引擎       │ │   感知       │            │
│  └──────────────┘ └──────────────┘ └──────────────┘            │
└─────────────────────────────────────────────────────────────────┘

Cortex AI 為您的 AI 助手增加什麼

1. 持久化記憶

您的 AI 終於能記住了。模式、決策、解決方案和經驗教訓跨對話持久保存。

# AI 從這次對話學習
learn "伺服器狀態用 React Query，客戶端狀態用 Zustand"

# 幾個月後，AI 自動回憶
context "狀態管理"
# → 返回："之前決定：伺服器狀態用 React Query..."

2. 結構化工作流程

透過階段式開發，將混亂轉變為可預測的交付。

spec → clarify → plan → review → tasks → implement → release
         │          │          │           │
         └──────────┴──────────┴───────────┘
              每個關卡都需要用戶確認

3. 影響分析

AI 在做變更前先了解您的程式碼庫結構。

impact-analyze files:["src/auth/service.ts"]
# → 影響 23 個檔案
# → 偵測到 2 個破壞性變更
# → 風險等級：高
# → 建議：先更新依賴方...

4. 程式碼智慧（72 個工具）

安全掃描、品質分析、測試覆蓋率、架構驗證——全部內建。

security-scan path:"src/"           # 找出漏洞
quality-analyze path:"src/"         # 偵測程式碼異味
test-suggest path:"src/services/"   # 建議缺少的測試
arch-validate                       # 檢查架構規則

5. 團隊知識

跨團隊分享學習成果。不再重複解決已解決的問題。

team-share-insight "外部服務的 API 限流模式"
team-view-insights type:"pattern"
team-resolve-conflict  # 當團隊成員意見不同時

6. 憲章驅動開發

定義一次專案原則。每個 AI 回應都遵守它們。

<!-- .cortex/constitution.md -->
## 原則
- 所有函數必須有 JSDoc 註解
- 生產程式碼禁止 console.log
- 所有公開 API 都需要測試
- 檔案最大行數：300 行

快速開始

1. 安裝

npm install -g @rikaidev/cortex

2. 連接您的 AI 助手

Claude Code:

claude mcp add cortex -- npx -y @rikaidev/cortex@latest start

Cursor:

// .cursor/mcp.json
{
  "mcpServers": {
    "cortex": {
      "command": "npx",
      "args": ["-y", "@rikaidev/cortex@latest", "start"]
    }
  }
}

3. 初始化您的專案

cd your-project
cortex init

4. 開始建構

# 在您的 AI 助手中
spec "新增 OAuth 用戶驗證"

工具分類

Cortex 提供 72 個專業工具，分為 16 個類別：

| 類別 | 工具 | 用途 | |------|------|------| | 工作流程 | spec clarify plan review tasks implement status list | 結構化功能開發 | | 記憶 | learn context correct | 持久化知識管理 | | 影響分析 | impact-analyze impact-preview impact-validate impact-stats impact-build-graph | 變更影響評估 | | 程式碼品質 | quality-analyze quality-complexity quality-duplicates quality-refactor | 程式碼異味偵測 | | 安全 | security-scan security-detect-secrets security-check-deps | 漏洞掃描 | | 測試覆蓋 | test-analyze test-quality test-suggest test-untested | 測試缺口識別 | | 架構 | arch-validate arch-check arch-suggest | 模式驗證 | | 文檔 | doc-analyze doc-validate doc-missing doc-generate | 文檔品質 | | CI/CD | ci-status ci-failures ci-validate ci-history | 流水線分析 | | 依賴 | dependency-analyze dependency-check dependency-suggest dependency-version | 依賴健康 | | 效能 | performance-analyze performance-*-pattern | 反模式偵測 | | 環境 | environment-detect environment-add environment-list environment-check environment-remove | 運行時約束 | | 團隊 | team-share-insight team-view-insights team-learn-pr team-*-conflict team-stats team-sync | 團隊協作 | | PR 審查 | pr-auto-review pr-checklist pr-suggest-reviewers | Pull Request 分析 | | 檢查點 | checkpoint-save checkpoint-list checkpoint-resume checkpoint-clear | 工作流程快照 | | 專案 | constitution onboard release mark-danger unmark-danger list-dangers | 專案管理 |

工作流程系統

從想法到實現

flowchart LR
    A[想法] --> B[spec]
    B --> C{清楚？}
    C -->|否| D[clarify]
    D --> B
    C -->|是| E[plan]
    E --> F{批准？}
    F -->|否| G[review]
    G --> E
    F -->|是| H[tasks]
    H --> I[implement]
    I --> J{發布？}
    J -->|是| K[release]
    K --> L[完成]
    J -->|否| L

範例對話

# 1. 定義您要建構什麼
> spec "新增 WebSocket 即時通知"
✓ 建立工作流程：001-realtime-notifications
✓ 生成：spec.md, checklists/requirements.md

# 2. 釐清模糊之處（AI 問針對性問題）
> clarify
? 用戶離線時通知是否應該持久化？
> 是，排隊並在重新連接時發送
✓ 更新：spec.md

# 3. 建立技術計畫
> plan
✓ 生成：plan.md, CONTEXT.md, checklists/design.md
✓ 記憶已更新技術棧決策

# 4. 分解為任務
> tasks
✓ 生成：tasks.md, checklists/tasks.md
✓ 識別 3 個可並行的任務群組

# 5. 實施
> implement
✓ 預檢：.gitignore 已驗證，依賴已檢查
✓ 執行任務並進行品質驗證...
✓ 學習已提取並儲存

# 6. 發布
> release
✓ 分析：12 個 commits，3 個 workflows
✓ 生成：CHANGELOG.md, RELEASE_NOTES.md

為什麼這很重要

使用 Cortex AI 之前

開發者："新增驗證功能"
AI：*生成程式碼*
開發者："等等，這跟我們的模式不一致"
AI：*生成不同的程式碼*
開發者："你弄壞了 user service"
AI："我看不出它們有什麼關聯"
開發者：*嘆氣，手動修復*

使用 Cortex AI 之後

開發者："新增驗證功能"

Cortex：
├─ 記憶："專案 X 的驗證模式使用 JWT + refresh tokens"
├─ 影響："將影響：UserService、SessionMiddleware、12 個路由"
├─ 憲章："根據專案規則必須包含限流"
├─ 安全："檢查常見驗證漏洞..."
└─ 品質："依據測試覆蓋要求生成"

AI：*生成一致、經過驗證、了解影響的程式碼*

專案結構

.cortex/
├── constitution.md          # 您的專案原則
├── memory/
│   └── index.json          # 持久化知識庫
├── templates/              # 工作流程模板
│   └── commands/           # AI 執行指南
└── workflows/
    └── 001-feature/        # 個別工作流程
        ├── spec.md
        ├── plan.md
        ├── tasks.md
        └── checklists/     # 自動生成的驗證

與其他方案比較

| 功能 | Cortex AI | 原生 AI | 自訂 Prompts | 其他工具 | |------|-----------|---------|--------------|----------| | 持久化記憶 | ✅ | ❌ | ❌ | 部分 | | 結構化工作流程 | ✅ | ❌ | 手動 | ❌ | | 影響分析 | ✅ | ❌ | ❌ | 有限 | | 安全掃描 | ✅ | ❌ | ❌ | 獨立工具 | | 團隊知識 | ✅ | ❌ | ❌ | ❌ | | 品質把關 | ✅ | ❌ | 手動 | ❌ | | 跨平台 | ✅ (MCP) | 不一定 | 不一定 | 不一定 | | 零配置 | ✅ | ✅ | ❌ | ❌ |

設計理念

模板 + 命令 = 穩定輸出

受 GitHub 的 spec-kit 啟發，Cortex 透過結構化模板和執行命令確保可預測的 AI 輸出。

憲章驅動開發

每個 AI 回應都根據您的專案原則進行驗證。不再有風格指南違規或模式不一致。

學一次，永遠記住

每個決策、模式和經驗教訓都被捕獲。您的 AI 隨著每次對話變得更聰明。

每個關卡都有用戶控制

AI 提議，人類批准。強制檢查點防止失控的程式碼生成。

系統需求

• Node.js 18+
• MCP 相容的 AI 助手（Claude Code、Cursor 或任何 MCP 客戶端）

貢獻

我們歡迎貢獻！請參見 CONTRIBUTING.md。

授權

MIT License - 詳見 LICENSE。

連結

• 文檔
• GitHub Issues
• 更新日誌