新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何在Claude Code中安装Ars Contexta:3步完整指南+3大预设选择

发布时间:2026/11/14 16:00:37来源:尧图网络
如何在Claude Code中安装Ars Contexta:3步完整指南+3大预设选择
如何在Claude Code中安装Ars Contexta3步完整指南3大预设选择【免费下载链接】arscontextaClaude Code plugin that generates individualized knowledge systems from conversation. You describe how you think and work, have a conversation and get a complete second brain as markdown files you own.项目地址: https://gitcode.com/gh_mirrors/ar/arscontextaArs Contexta是一款运行在 Claude Code 中的知识系统插件你只需描述自己的思考方式和工作场景通过几轮对话它就能为你推导出一套完整的第二大脑——包含 Markdown 笔记库vault、处理管线、自动化钩子、导航地图MOC和笔记模板全部是你可永久拥有的本地文件无数据库、无云端、无锁定。本指南将带你完成 Claude Code 安装 Ars Contexta 的全部 3 个步骤并详解 3 大预设Research / Personal / Experimental的适用场景帮助新手快速上手。安装前准备3 个必备条件在开始安装 Ars Contexta 之前请先确认以下依赖详见 README.md 中的 Prerequisites 部分依赖是否必须作用Claude Code v1.0.33✅ 必须插件运行宿主tree命令✅ 必须注入工作区目录结构ripgreprg✅ 必须YAML 查询与 Schema 校验qmd可选语义搜索增强 小贴士tree和ripgrep是轻量命令行工具绝大多数开发环境已自带。缺失时可通过系统包管理器如apt install tree ripgrep快速安装。3 步完成安装整个过程只需 3 条命令全部在 Claude Code 交互界面中以/开头输入。第 1 步添加插件市场在 Claude Code 中输入/plugin marketplace add agenticnotetaking/arscontexta该命令把 Ars Contexta 的插件市场注册到你的 Claude Code 中。第 2 步安装插件/plugin install arscontextaagenticnotetaking安装完成后重启 Claude Code使插件生效。第 3 步启动对话式初始化重启后运行/arscontexta:setup这一步是 Ars Contexta 的核心体验引擎先检测你的 Claude Code 环境与能力见 skills/setup/SKILL.md 中的 Phase 1通过 2-4 轮开放式对话理解你的领域全程不让你填配置表单基于 8 个配置维度推导出专属架构并向你展示每个设计选择的原因你确认后一次性生成完整系统上下文文件、文件夹结构、16 个处理技能、4 个自动化钩子和 7 页用户手册最后自动运行 15 项内核原语校验与管线冒烟测试。⏱️ 整个 setup 约需 20 分钟且消耗较多 token引擎会读取 249 条研究论据并推理你的领域需求但这是一次性投资——之后你的 Agent 就有记忆了。最后记得再重启一次 Claude Code激活生成的钩子与技能然后运行/arscontexta:help查看所有可用命令。3 大预设选择你的知识系统从哪个起点开始/arscontexta:setup启动时会展示 3 个起点预设它们都提供完整系统区别仅在于默认参数粒度、处理深度、导航结构。预设定义见 reference/use-case-presets.md。预设一Research学术研究型适合人群论文阅读、文献综述、跨学科综合的研究者核心特性原子化论断笔记一条主张一个文件、引用追踪、方法学 MOC从第一天起全自动化的参考级实现配置亮点语义搜索默认开启、中性分析型人格起步 MOC领域总览、methods、open-questions配置文件presets/research/preset.yaml · 起步示例presets/research/starter/index.md预设二Personal个人助理型适合人群生活管理、反思日记、人际关系与目标追踪核心特性按条目记录而非原子拆分、温暖支持型人格、专属 Agent 自我空间self/Agent 会随时间认识你配置亮点笔记叫reflections/、连接叫发现模式全部使用生活化词汇起步 MOClife-areas、people、goals配置文件presets/personal/preset.yaml · 起步示例presets/personal/starter/goals.md预设三Experimental实验/自建型适合人群想从零共建系统、快速原型迭代的极客核心特性所有 8 个维度均由对话决定每个设计决策都会向你解释原理耗时更长但控制力最强配置亮点功能块按需开启原子笔记、MOC、人格等全部条件化配置文件presets/experimental/preset.yaml对比项ResearchPersonalExperimental笔记粒度原子化0.8混合0.5自选处理深度完整管线完整管线个人分类默认完整可下调人格中性分析温暖支持对话推导语义搜索默认开启可选可选 不确定选哪个直接用自己的话描述需求即可——推导引擎会自动匹配最合适的预设起点并在生成后基于对话信号微调。安装后必玩的 2 个命令系统生成后强烈建议新手先跑这两个命令/arscontexta:help— 情境化指引帮你发现当前可用的全部命令见 skills/help/SKILL.md/arscontexta:tutorial— 交互式教学边做边学每一步都会在你的 vault 中创建真实内容提供 Researcher / Manager / Personal 三条学习轨道见 skills/tutorial/SKILL.md之后日常使用中最常用的处理流水线是6 Rs阶段命令作用Record手动零摩擦捕获到inbox/Reduce/reduce从素材中提取洞见Reflect/reflect发现笔记间连接、更新 MOCReweave/reweave用新语境回写旧笔记Verify/verify描述质量 Schema 健康检查Rethink/rethink质疑系统假设、驱动进化自动化方面4 个钩子会话定向、写入校验、自动提交、会话捕获会在事件边界自动运行无需手动干预配置模板见 hooks/hooks.json。常见问题 FAQQ1安装过程需要 clone 仓库吗不需要。直接通过/plugin marketplace add从插件市场安装即可无需手动克隆。Q2setup 消耗 token 较多可以重跑吗setup 是一次性投资。若之后系统偏离了原始设计可用/arscontexta:reseed从第一性原理重新推导或用/arscontexta:upgrade应用插件知识库更新。Q3生成的文件我能自己改吗可以。vault 全部是纯 Markdown 文件用任何编辑器打开都能工作。但建议通过/architect或编辑ops/config.yaml做配置级调整保证系统一致性。Q4想换预设或增加领域怎么办新增领域用/arscontexta:add-domain命令多领域系统通过独立模板 共享图谱组合原理见 methodology/ 中 249 条互相关联的研究论据可用/arscontexta:ask直接提问。总结Ars Contexta 的核心理念是推导而非模板化derivation, not templating——每个配置决策都可追溯到具体的研究论据。只需 3 条命令、约 20 分钟对话你的 Claude Code 就拥有了一个随使用持续生长的第二大脑。现在就可以打开 Claude Code输入第 1 步命令开始构建属于你自己的知识系统。【免费下载链接】arscontextaClaude Code plugin that generates individualized knowledge systems from conversation. You describe how you think and work, have a conversation and get a complete second brain as markdown files you own.项目地址: https://gitcode.com/gh_mirrors/ar/arscontexta创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/14 3:51:47

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/13 13:31:48

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/13 16:11:45

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/14 3:51:43

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉