18 种语言 · 任意 OpenAI 兼容端点 · MIT

一个代码库进去，两本手册出来——一本给你的团队读，一本给你的智能体定位。

你的编码智能体 grep 一个符号，在真正相关的七处里找到三处，然后交付了一个只改了一半的改动。这不是推理出了问题，而是路由出了问题。Handbooks 把地图交给它。

# 完整流水线，离线运行，无需 API key，约 30 秒
pnpm install && pnpm build
pnpm demo

内置示例项目，内置 mock LLM。零 token 花费。

七个命令，一个闭环

青色步骤是确定性的——不用 LLM，不联网，在 CI 里想重跑多少次都不花钱。琥珀色步骤会访问你的端点，并把学到的东西缓存下来。

tree-sitter 构建调用图：函数、已解析的边、边界调用，以及它无法解析的调用——后者被隔离出来，绝不靠猜。这一层从不接触 LLM，所以每次运行都一模一样。

一个文件是干什么的、一个子系统如何组织，由 LLM 来写，并且始终锚定在调用图上。写不出来的地方，结构照样产出，只是描述为空。宁可缺一句话，也不要编一句话。

产出回答的是“这次改动要碰哪些文件、函数和状态？”——包括那些分散的、不显眼的、文本搜索找不到的地方。随后规划器会在它找到的每个地址上阅读真实源码。

锚点必须逐字节精确且唯一匹配。在写入任何东西之前，一切都已校验完毕。每个被触碰的文件都会连同打补丁前的哈希一起备份，所以回滚能证明自己在还原什么。

resync 对比新旧调用图，只重新生成真正变化的部分。改了三个文件，就只为三个文件付费。文档不再腐烂，是因为更新它不再昂贵。

由配置驱动分析器读取的语言会在总览中被点名，这样“尽力而为的调用关系”就绝不会被误读成“精确”。

生成是最贵的一步，而它只发生一次。下面的一切都是确定性的重渲染，你可以在每次提交时都跑一遍。

总览 · 索引 · 每个阶段一页 · 状态寄存器表

吸附式目录、面包屑、主题切换——可直接通过 file:// 打开

单个 .html，可以用邮件发出去，或者附到工单里

职责 · 入口概念 · 状态 · 范例 · 共同变更提示

llms.txt 约定，外加整本手册的扁平化全文

SKILL.md + references/ + 每个文件一个内容哈希

handbook analyze 从不需要 API key。在你自己的仓库上跑一遍，看看文件数和函数数，再决定后面的部分值不值得花一个 token。