qf-studio/navigator

解决的问题

Navigator 解决了 AI 辅助开发中常见的“上下文窗口崩溃”问题。当开发者将大量文档与代码加载到 LLM 上下文中时，会话往往会变得不稳定，导致在几次交互后出现幻觉或崩溃。Navigator 通过实现“情境工程”来防止此情况，仅加载当前任务所需的特定信息，而非一次性加载所有内容。

运作原理

它作为 Claude Code 的插件运作，使用一个管理提示词门控与信息检索方式的执行环境。它不采用批量加载，而是使用动态加载系统，显著减少 Token 使用量（声称可节省高达 92%）。

主要技术特色包括：

• 心智理论 (Theory of Mind)：记住用户偏好，并从跨会话的修正中学习。
• 知识图谱 (Knowledge Graph)：一种持久化的项目记忆，存储模式、决策与标准作业程序 (SOP)。
• 循环模式 (Loop Mode)：一种结构化的完成模式，执行直到任务完成，并具备停滞检测以防止无限循环。
• 执行环境强制 (Runtime Enforcement)：一个对提示词进行门控并保护读取操作的系统，以确保上下文窗口的效率。
• 回复模式 (Reply Modes)：可自定义的响应格式（例如“ADHD 模式”），以适应不同的用户认知偏好。

适用对象

使用 Claude Code 并希望获得更长、更稳定 AI 会话的开发者，能够在不因上下文限制而重启会话的情况下完成复杂功能。

重点特色

• 情境工程：在典型场景中将 Token 负载从 150k 减少至 12k，将会话长度从约 7 次交互延长至 20 次以上。
• 实时监控：一个 /nav 面板，提供关于上下文填充、会话成本与 Token 使用量的实时数据。
• 项目记忆：一个跨会话持久化的知识图谱，用于经验性记忆。
• 循环模式：具备进度追踪的代理式任务完成。
• 网络深度研究：具备引用研究能力，并整合至图谱记忆中。
• 可自定义回复：如 ADHD 与 STE 等专业模式，用以塑造 AI 的沟通方式。