元图书馆员（Ollama版）
一个本地优先的CLI，可以发现PyPI/npm文档URL，抓取一小部分文档页面，将其转换为Markdown，并使用本地Ollama模型（例如。 qwen3:8b)以提取结构化的API上下文。
前提条件
- Python 3.10+
- Ollama正在运行（OpenAI兼容端点）：
http://localhost:11434/v1 - 已安装Playwright浏览器：
python -m playwright install
安装（可编辑）
pip install -e .开发（测试）：
pip install -e ".[dev]"用法
快速入门（Windows/PPowerShell）
- 启动Ollama（单独）
- 确保Olama在本地运行
http://localhost:11434.
- 激活venv
./.venv/Scripts/Activate.ps1
- 查看您已经拥有哪些型号
python -m meta_librarian.cli models
- 运行分析（选择已安装的模型）
python -m meta_librarian.cli analyze pip requests --model qwen3:8b --max-pages 3 --max-depth 1
输出被写入 out/ 文件夹为JSON和 .llms.txt.
如果你想尝试自动拉取缺失的模型：
python -m meta_librarian.cli analyze pip requests --model qwen2.5:8b --pull
如果拉取失败，请使用以下所示的已安装型号标签之一重新运行 models.
VS代码（MCP）
此仓库包含一个MCP服务器，因此您可以从VS Code调用Meta Librarian工具。
- 安装deps（一次）
pip install -e .
- 确保Ollama在本地运行。
- 从VS代码启动MCP服务器
- 此仓库在以下位置提供了一个工作区配置
.vscode/mcp.json. - 在VS Code中，打开命令面板并运行
MCP: List Servers，然后开始meta-librarian.
暴露的MCP工具：
ollama_models(ollama_base_url=...)analyze_pip(name, model='qwen3:8b', max_pages, max_depth, out_dir, pull, ...)analyze_npm(name, model='qwen3:8b', max_pages, max_depth, out_dir, pull, ...)
分析PyPI包：
meta-librarian analyze pip pandas --max-pages 6 --out ./out分析一个npm包：
meta-librarian analyze npm axios --max-pages 6 --out ./out如果 meta-librarian 脚本不在PATH中（在Windows上很常见），请运行：
python -m meta_librarian.cli analyze pip pandas --max-pages 6 --out ./out模拟运行（无LLM调用；仅限fetch+markdown）：
meta-librarian analyze pip requests --dry-run输出
写道：
./out/--.llms.txt./out/--.json