create-context-template

快速创建基于上下文工程的 LLM 应用开发项目 | CLI tool to scaffold LLM projects with context engineering architecture

📚 相关资源:上下文工程实践指南 -深入学习上下文工程的设计理念和最佳实践

✨ 特性

• 🚀 快速启动 - 一分钟内创建完整的 LLM 应用项目
• 🎨 现代 CLI - 使用 @clack/prompts 提供优雅的交互体验
• 📦 多包管理器 - 支持 npm、pnpm、yarn、bun
• 🔧 完整工具链 - 预配置 TypeScript、Vitest、ESLint
• 🤖 LLM 集成 - 内置 DeepSeek API 支持，可扩展其他提供商
• 🧠 上下文管理 - 6 种上下文类型管理系统
• 🛠️ 工具系统 - 可扩展的工具调用框架
• 🧪 测试评估 - 完整的测试和评估系统
• 📚 架构文档 - 详细的上下文工程设计文档

📦 使用方式

方式 1: npm create (推荐)

npm create context-template

方式 2: pnpm

pnpm create context-template

方式 3: yarn

yarn create context-template

方式 4: bun

bun create context-template

方式 5: npx

npx create-context-template

方式 6: 全局安装

npm install -g create-context-template
create-context-template

🎯 快速开始

1. 创建项目

运行命令后，按照提示操作：

1. 输入项目名称（例如：my-ai-app）
2. 选择包管理器（npm / pnpm / yarn / bun）
3. 选择是否立即安装依赖

2. 配置环境变量

cd my-ai-app
cp .env.example .env
# 编辑 .env 文件，添加你的 DEEPSEEK_API_KEY

3. 运行示例

npm run dev          # 简单对话示例
npm run dev:tool     # 工具调用示例

4. 阅读架构文档

cat docs/架构设计\ -\ 上下文工程.md
# 或在编辑器中打开

强烈建议先阅读架构文档，理解上下文工程的设计理念！

📁 项目结构

生成的项目包含以下模块：

my-ai-app/
├── core/                    # 核心系统模块
│   ├── llm/                # LLM 服务层
│   │   ├── services/       # LLM 提供商实现（DeepSeek）
│   │   ├── utils/          # 工具函数（executeToolLoop）
│   │   └── factory.ts      # LLM 服务工厂
│   ├── context/            # 上下文管理系统
│   │   ├── modules/        # 6 种上下文模块
│   │   └── ContextManager.ts  # 统一管理器
│   ├── tool/               # 工具管理系统
│   │   ├── ReadFile/       # 文件读取工具
│   │   ├── ListFiles/      # 文件列表工具
│   │   └── ToolManager.ts  # 工具管理器
│   ├── agent/              # Agent 编排
│   │   ├── SimpleAgent.ts  # 简单 Agent 实现
│   │   └── MultiAgent.ts   # 多 Agent 编排
│   └── promptManager/      # 提示词管理
├── evaluation/             # 测试评估系统
│   ├── EventBus.ts        # 事件总线
│   ├── evaluate.ts        # 评估器
│   └── example.ts         # 评估示例
├── utils/                  # 工具函数
│   └── logger.ts          # 日志工具
├── config/                 # 配置管理
│   └── env.ts             # 环境变量加载
├── examples/               # 使用示例
│   ├── simple-chat.ts     # 简单对话
│   └── multi-chat.ts      # 多轮对话
└── docs/                   # 项目文档
    └── 架构设计 - 上下文工程.md  # 核心架构文档 ⭐

🧠 核心功能

1. LLM 服务层

基于 OpenAI SDK 实现的多模型支持：

• ✅ DeepSeek API 集成
• ✅ 工具调用支持（Tool Calling）
• ✅ 流式响应
• 🔮 可扩展其他提供商（OpenAI、Anthropic 等）

核心方法:

• complete(messages, tools) - 完整的 LLM 调用，支持工具
• simpleChat(userMessage, systemPrompt) - 简单对话
• generate(prompt) - 生成式调用

2. 上下文管理系统

基于上下文工程理念的 6 种上下文类型：

| 上下文类型 | 说明 | 用途 | | ------------------------------ | ------------ | ---------------- | | ConversationContext | 会话历史记录 | 维护对话连续性 | | ToolMessageSequenceContext | 工具调用序列 | 追踪工具使用历史 | | MemoryContext | 用户记忆 | 长期记忆存储 | | SystemPromptContext | 系统提示词 | 定义 AI 行为 | | StructuredOutputContext | 结构化输出 | JSON 格式化输出 | | RelevantContext | 相关上下文 | 动态相关信息 |

3. 工具系统

可扩展的工具调用框架：

内置工具:

• ReadFileTool - 读取文件内容
• ListFilesTool - 列出目录文件

工具定义规范:

• 标准化的工具接口
• JSON Schema 参数定义
• 权限控制和并发安全
• 工具执行上下文

4. Agent 框架

SimpleAgent: 单一 Agent 实现 MultiAgent: 多 Agent 协作编排（预留扩展）

5. 评估系统

基于 EventBus 的测试评估框架：

• 事件收集和追踪
• Agent 行为评估
• 工具调用分析
• 自定义评估指标

💡 设计理念

上下文工程 (Context Engineering)

本项目基于上下文工程的设计理念：

核心: LLM 模型是应用的关键核心 重心: 开发重心在上下文的获取和编排 优势: 随着模型能力提升，应用效果自动提升；同时充分发挥开发者的创造力

核心思想:

1. LLM 是核心 - 保证核心是 LLM，随着模型能力提升，Agent 效果自动变好
2. 开发重心是上下文 - 极大发挥应用开发者的能力和创造力
3. 统一上下文管理 - 将所有上下文统一管理，LLM 直接与上下文交互

详细的架构设计请参考生成项目中的 docs/架构设计 - 上下文工程.md

📝 示例代码

简单对话

import { createLLMService } from "./core/llm/index.js";
import { loadEnv } from "./config/env.js";

loadEnv();

const service = await createLLMService({
  provider: "deepseek",
  model: "deepseek-chat",
  apiKey: process.env.DEEPSEEK_API_KEY,
});

const response = await service.simpleChat(
  "Hello! Can you introduce yourself?",
  "You are a helpful AI assistant."
);

console.log("Assistant:", response);

工具调用

import { createLLMService } from "./core/llm/index.js";
import { ContextManager } from "./core/context/index.js";
import { ToolManager } from "./core/tool/index.js";

// 初始化上下文和工具
const contextManager = new ContextManager();
await contextManager.init();

const toolManager = new ToolManager();

// 创建 LLM 服务
const service = await createLLMService(
  {
    provider: "deepseek",
    model: "deepseek-chat",
    apiKey: process.env.DEEPSEEK_API_KEY,
  },
  toolManager
);

// 使用 generate 方法自动处理工具调用
const answer = await service.generate(
  "请帮我读取 package.json 文件，并告诉我项目名称是什么"
);

console.log(answer);

🛠️ 开发

克隆本仓库

git clone https://github.com/WakeUp-Jin/context-cli-template.git
cd context-cli-template

安装依赖

npm install

本地开发

# 开发模式运行
npm run dev

# 构建
npm run build

# 本地测试
npm link
create-context-template

发布新版本

# 更新版本号
npm version patch  # 1.0.0 -> 1.0.1
npm version minor  # 1.0.0 -> 1.1.0
npm version major  # 1.0.0 -> 2.0.0

# 发布到 npm
npm publish

📚 技术栈

• TypeScript - 类型安全的 JavaScript
• @clack/prompts - 现代化的 CLI 交互框架
• fs-extra - 增强的文件系统操作
• execa - 更好的子进程执行
• OpenAI SDK - LLM API 调用（兼容 DeepSeek）
• Vitest - 快速的单元测试框架

🗺️ 路线图

v1.0 - 核心功能 ✅

• [x] CLI 交互界面
• [x] 多包管理器支持
• [x] 项目模板生成
• [x] 配置文件生成
• [x] 依赖自动安装
• [x] 架构文档集成

v1.1 - 增强功能 🚧

• [ ] 模板类型选择（full/minimal）
• [ ] 更多 LLM 提供商模板
• [ ] 更详细的进度提示
• [ ] 错误恢复机制

v2.0 - 扩展功能 🔮

• [ ] Web 服务器集成（Hono/Koa/Express）
• [ ] 插件系统
• [ ] 项目模板市场
• [ ] GUI 配置工具

🤝 贡献

欢迎贡献！如果你有任何建议或发现问题，请：

1. Fork 本仓库
2. 创建你的特性分支 (git checkout -b feature/AmazingFeature)
3. 提交你的更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 打开 Pull Request

📄 许可证

MIT

🙏 致谢

感谢所有为这个项目做出贡献的开发者！

Made with ❤️ by WakeUp-Jin

如果这个项目对你有帮助，请给个 ⭐️ 吧！