安装

npm install -g march-cli

为什么省 Token？

March 极端地省 Token。每轮对话结束后，上下文回滚到约 8K——我们丢弃模型中间的所有执行过程，只保留两样东西：用户的问题和 AI 的最终回复。

大多数 Agent 系统用压缩、裁剪、检索、摘要来对抗上下文膨胀。March 的答案是：直接扔掉不需要的。

结果：

• 缓存命中率 91%，单次模型调用几乎不超过 50K
• 上下文不会越聊越大，不存在上下文腐烂
• 你的模型永远在甜点区工作，而不是在 100K 的噪音里大海捞针

记忆系统

March 内置了记忆系统。你在对话中告诉 March 的任何东西——偏好、项目约定、技术决策——它都能记住。当你再次需要时，March 会在思考过程中自动召回相关记忆，你不需要手动检索。

不需要 Skill 文件

Skill 系统的问题是：Skill 文件在一开始就注入了上下文。Skill 多了怎么办？

March 换了一种方式：每条记忆就是一条"潜在的 Skill"，由 March 在需要时动态召回，而不是常驻在上下文里。你聊过的内容就是最好的提示词。

管理记忆

March 在 ~/.march/March Memories/ 目录下以 Markdown 文件存储记忆。你可以直接编辑、删除或新增这些文件，March 会自动感知变化。

更多内置能力

生图：如果你有 ChatGPT Codex 权限，March 可以直接生图，不需要额外的 API Key 或第三方服务。

联网搜索：接入 SuperGrok 后，你配置的所有模型都会获得联网搜索能力——March 会派遣 Grok 去搜索，搜索结果注入当前对话。

更多搜索渠道：Tavily Search、Brave Search 均已内置。

配置

March 通过 ~/.march/config.json（全局）或 <project>/.march/config.json（项目级）配置模型和 provider。支持所有 OpenAI 兼容接口。

{
  "provider": "openai",
  "model": "gpt-5.1"
}

自定义 provider、多模型切换等详细配置见 文档。

FAQ

和 Claude Code 有什么区别？

March 能力相当，但上下文策略截然不同。Claude Code 尽量保留上下文并用压缩应对膨胀；March 每轮重置上下文——你每次拿到的是干净的 ~8K 上下文，缓存命中率 91%。March 还用内置记忆系统替代了 Skill 文件，记忆按需召回而不是常驻注入。

和 OpenCode 有什么区别？

两者都是开源、终端原生的 Agent。March 的核心差异：极端的 Token 效率（每轮上下文重置）、内置 Markdown 记忆系统（自动召回），以及"记忆应该按需召回、而非像 Skill 一样提前注入"的设计哲学。

文档

• 完整文档 — 配置、上下文管理、记忆系统
• 自定义 Provider — 接入本地模型或第三方 API
• 上下文管理 — March 的上下文架构详解
• 记忆系统 — 记忆存储与召回机制