SolonCode CLI：全中文终端编码智能体，新增多项功能并具备心智记忆能力

1、关于 SolonCode CLI（终端编码智能体）

SolonCode CLI 是由杭州无耳科技有限公司构建的企业级“终端编码智能体”，基于“全中文”提示词构建。

常见问题：它和 Claude Code 有什么不同？

功能上二者很相似，关键差异如下：采用 Java 实现，提供基于 Java 的扩展能力，100% 开源；使用“全中文”提示词构建（若不会中文，不建议使用）；不绑定特定提供商，需要配置模型。因模型迭代会缩小差异、降低成本，所以保持自由配置很重要；聚焦终端命令行界面 (CLI)、浏览器界面（WEB），通过系统命令运行；支持 MCP，OpenApi，LSP，ACP 等协议进行通讯。

开源项目地址：https://gitee.com/opensolon/soloncode；https://github.com/opensolon/soloncode

2、快速安装与开始

系统要求：Java 8+（支持 Java 8 到 Java 26 环境）；支持 macOS、Linux、Windows。

安装或更新命令（安装包自动下载约 32MB）：
# Mac / Linux:
curl -fsSL https://solon.noear.org/soloncode/setup.sh * bash
# Windows (PowerShell):
irm https://solon.noear.org/soloncode/setup.ps1 * iex

快速安装与更新演示：

3、最近更新说明

新增 soloncode 心智成长功能（越用越聪明）；新增 soloncode `/loop` 循环命讼（可起到任务守护作用）；新增 soloncode web 附件上传功能和语音输入功能；新增 soloncode web 交互界面多模型选择功能；新增 soloncode cli 交互界面多模型选择功能；新增 soloncode java 扩展机制（支持手动配置，与自动装配）；添加 soloncode openai baseUrl 配置支持（其它的仍要配置全地址）；添加 soloncode commands 命令支持；添加 soloncode web 会话缩进支持；添加 soloncode userAgent 缺省配置（不需要每个 llm 都配置了）；优化 soloncode `code` skill （增加更多编程语言支持）；优化 soloncode 可能意外退出的提示输出；优化 soloncode web tool - call 打印；优化 soloncode cli 安全引导词；优化 soloncode deepseek - v4 适配；修复 soloncode 多模态格式拼接错误问题。

4、新特性：心智记忆（心智成长）

Memory（心智记忆）是 SolonCode 的长期认知系统。它在对话过程中自动提取关键信息并持久化存储，让 AI 在后续会话中能“记住”用户的偏好、项目约定和历史上下文，用得越多，理解越精准。

4.1、核心架构

用户对话
│
▼
Agent 推理（LLM 自动判断是否需要记忆操作）
│
├── extract ──-> 发现新事实？存入记忆（key 已存在则触发认知对比）
├── recall ──-> 需要“回忆”某条具体记忆？按 key 精确召回
├── search ──-> 需要查找相关背景？语义搜索匹配记忆
├── consolidate ──-> 碎片太多？合并多条低层记忆为一条高层认知
└── prune ──-> 记忆过时？直接删除
│
▼
MemorySolution
├── MemoryStoreProvider ──-> RogueMap 本地 KV 持久化
└── MemorySearchProvider ──-> Lucene 全文语义索引

整个记忆系统作为 Agent 的“内置技能（Skill）”运行，LLM 在推理过程中自主决定何时读取或写入记忆，无需用户手动操作。

4.2、存储结构

记忆数据保存在本地，默认所有项目共享一份统一记忆：
~/.soloncode/memory/
├── lucene/ # Lucene 全文索引（语义搜索用）
│ ├── _0.cfe
│ ├── _0.cfs
│ └── ...
└── rogue/ # RogueMap KV 数据库（精确存取用）
└── ...

隔离模式

通过配置 `memoryIsolation` 控制记忆是全局共享还是项目隔离：

配置位置：`.soloncode/config.yml`
memoryIsolation: false # 长记忆是否工作区隔离

4.3、使用效果示例

# 第一次对话
用户: 我这个项目用的是 MyBatis - Plus，不要给我用 JPA
助手: 好的，我记住了。
[自动 extract] key = user_orm_preference, fact = "项目使用 MyBatis - Plus，不使用 JPA", importance = 7
# 第二次对话（新会话）
用户: 帮我写一个用户查询接口
助手: [自动 search "用户ORM偏好"] -> 命中 "项目使用 MyBatis - Plus"
好的，我使用 MyBatis - Plus 的 QueryWrapper 来实现...
# 第三次对话
用户: 我们团队决定统一用 Solon 框架了
助手: [自动 extract] key = user_framework, fact = "团队统一使用 Solon 框架", importance = 9
[自动 recall user_orm_preference] -> 发现相关偏好
了解。后续我会基于 Solon + MyBatis - Plus 的组合来给你建议。
# 多次对话后...
[自动 consolidate]
碎片: user_orm_preference, user_framework, user_code_style...
↓ 合并为
高层认知: user_tech_stack = "团队使用 Solon + MyBatis - Plus 技术栈，偏好注解式开发"

4.4、设计哲学

Memory 的核心设计理念来自认知科学：提取（Extract）：模拟“注意到并记住”——从对话中识别值得保存的信息；召回（Recall）：模拟“想起来”——精确回忆已知事实；搜索（Search）：模拟“联想”——通过语义关联找到相关记忆；整合（Consolidate）：模拟“顿悟”——将零散知识点升维为高层认知；修剪（Prune）：模拟“遗忘”——清理过时信息，保持记忆库精简。

这个过程完全自动化。用户只需正常对话，AI 会在背后持续积累和演化对用户的理解，越用越聪明。