技能介绍

问题：当 CLAUDE.md 开始说谎

当项目里同时用着多个 AI 编码代理——Claude Code、Cursor 或其他 agent——每个代理都靠仓库根目录的 CLAUDE.md、AGENTS.md、MCP 配置和编辑器规则来「理解」工程约定。问题在于这些文件写完之后几乎没有维护动力：项目结构改了、依赖换了、目录挪了，文档还停留在三个月前的样子。结果就是 AI 代理照着过时约定写代码，review 时才发现它遵循的规则早已不存在。

核心思路：把规则文件当成需要持续审计的产物

Caliber 的做法是：与其手动维护这些文件，不如建立一条自动流水线，定期审计代码库现状并刷新说明文件。

跨代理统一入口：无论团队用 Claude Code 还是 Cursor，同一仓库共享一份 CLAUDE.md / AGENTS.md，避免各写一套、内容打架。
LLM 驱动的语言探测：TypeScript、Python、Go、Rust、Java、Ruby、Terraform 等均支持，识别逻辑完全由 LLM 判断，没有硬编码的映射表。
学习闭环：Caliber 会监听 AI 编码会话，钩子捕获工具调用、失败案例和你的手动修正，由 LLM 提炼操作模式写入 CALIBER_LEARNINGS.md，供后续生成规则时参考。
自动刷新：pre-commit 钩子在提交时自动运行刷新流程，不需要人记得手动执行。

适用边界与注意点

需要 Node.js 20+ 和终端访问权限，无法只在 IDE 聊天窗口里完成。
如果不使用 Claude Code 或 Cursor，要走 caliber init 的 CLI 向导路径，并自带 Anthropic、OpenAI 或 Vertex AI 的 API key。
该工具不绑定某家模型厂商，但它依赖 LLM 来理解和归纳代码库，模型质量会直接影响生成规则的准确度。
它解决的是「文档与代码漂移」的问题，不会替你决定项目该采用什么架构约定——最终的规则内容仍需要人工 review 确认。