memctl (Ovitrac)

memctl

一个文件，一个真相。为你的LLMs记忆。

用于LLM编排的Unix本机内存控制平面——零依赖、策略控制、MCP本机

  ](https://github.com/ovitrac/memctl/releases)    

为什么选择memctl • 快速开始 • 克劳德代码的生态 • 安装 • CLI参考 • MCP服务器 • 运作原理

______________________________________________________________________

为什么选择memctl？

刚接触memctl？ 查看完整 快速入门指南 常见问题解答、兼容性矩阵和故障排除。

LLMs在转弯之间会忘记一切。memctl为它们提供了由单个SQLite文件支持的持久、结构化、策略管理的内存。

• 零依赖 --仅限stdlib。没有numpy，没有torch，没有编译扩展。
• 一个文件 --一切都在 memory.db （SQLite+FTS5+WAL）。
• Unix可组合 — push 写入stdout， pull 从stdin读取。管道自由。
• 政策管辖 --35种检测模式在存储之前会阻止秘密、注射、教学内容和PII。
• 寻址的内容 --SHA-256去重确保幂等摄取。
• 向前兼容 --与的架构相同 拉吉克斯。无缝升级。

______________________________________________________________________

安装

pip install memctl

或与 pipx 对于独立的CLI安装：

pipx install memctl

对于MCP服务器支持（克劳德代码/克劳德桌面）：

pip install memctl[mcp]          # pip
pipx install "memctl[mcp]"      # pipx (recommended for CLI use)

对于Office/ODF文档摄取（.docx、.odt、.pptx、.odp、.xlsx、.ods）：

pip install memctl[docs]
pipx inject memctl python-docx python-pptx openpyxl odfpy pypdf   # pipx

对于一切：

pip install memctl[all]
pipx install "memctl[all]"      # pipx

要求： Python 3.10+（推荐3.12）。核心没有编译依赖项。 PDF提取使用 pypdf （通过 [docs] 额外），并回退到 pdftotext （poppler-utils）。

______________________________________________________________________

快速入门

1.初始化内存工作区

memctl init
# Creates .memory/memory.db, .memory/config.json, .memory/.gitignore

为方便起见，设置环境变量：

eval $(memctl init)
# Sets MEMCTL_DB=.memory/memory.db

2.摄入文件和召回

# Ingest source files + recall matching items → injection block on stdout
memctl push "authentication flow" --source src/auth/

# Ingest Office documents (requires memctl[docs])
memctl push "project status" --source reports/*.docx slides/*.pptx

# Ingest PDFs (requires pdftotext)
memctl push "specifications" --source specs/*.pdf

# Recall only (no ingestion)
memctl push "database schema"

3.存储LLM输出

# Pipe LLM output into memory
echo "We chose JWT for stateless auth" | memctl pull --tags auth,decision --title "Auth decision"

# Or pipe from any LLM CLI
memctl push "API design" | llm "Analyze this" | memctl pull --tags api

4.搜索

# Human-readable
memctl search "authentication"

# JSON for scripts
memctl search "database" --json -k 5

5.检查文件夹（单层）

# Auto-mounts, auto-syncs, and inspects — all in one command
memctl inspect docs/

# Same in JSON (for scripts)
memctl inspect docs/ --json

# Skip sync (use cached state)
memctl inspect docs/ --no-sync

inspect 如果需要，自动挂载文件夹，检查过时性，仅在过时时进行同步，并生成结构化摘要。所有隐式操作都在stderr上宣布。

6.问一个关于文件夹的问题

# One-shot: auto-mount, auto-sync, inspect + recall → LLM → answer
memctl ask docs/ "What authentication risks exist?" --llm "claude -p"

# With Ollama
memctl ask src/ "What is under-documented?" --llm "ollama run granite3.1:2b"

# JSON output with metadata
memctl ask docs/ "Summarize the architecture" --llm "claude -p" --json

ask 将挂载、同步、结构检查和范围调用组合到一个命令中。LLM接收文件夹结构和内容上下文。

7.使用内存支持的上下文聊天

# Interactive chat with any LLM
memctl chat --llm "claude -p" --session

# With pre-ingested files and answer storage
memctl chat --llm "ollama run granite3.1:2b" --source docs/ --store --session

每个问题都会从内存中调用，将上下文+问题发送到LLM，并显示答案。 --session 保持最近问答对的滑动窗口。 --store 将答案作为STM项目保留。

8.管理

memctl show MEM-abc123def456     # Show item details
memctl stats                     # Store metrics
memctl stats --json              # Machine-readable stats
memctl consolidate               # Merge similar STM items
memctl consolidate --dry-run     # Preview without writing

______________________________________________________________________

CLI参考

memctl  [options]

命令

全球旗帜

命令详细信息

memctl init

memctl init [PATH] [--force] [--fts-tokenizer fr|en|raw]

创建工作区目录、带模式的SQLite数据库、， config.json，以及 .gitignore.打印 export MEMCTL_DB="..." 到stdout进行eval。

Idempotent：在同一路径上运行两次，无错误退出0。

memctl push

memctl push QUERY [--source FILE ...] [--budget N] [--tier TIER] [--tags T] [--scope S]

两相指令：

1. 摄取 （可选）：流程 --source 使用SHA-256去重和段落分块的文件。
2. 召回：FTS5搜索QUERY，将匹配项格式化为stdout上的注入块。

stdout只包含注入块(format_version=1).进度转到stderr。

memctl pull

echo "..." | memctl pull [--tags T] [--title T] [--scope S]

从stdin读取文本并将其存储为内存项。首先尝试结构化提案提取；退回到单张存储。所有内容在存储之前都会经过策略引擎。

memctl search

memctl search QUERY [--tier TIER] [--type TYPE] [-k N] [--json]

FTS5全文搜索。默认情况下返回人类可读的输出，或JSON --json.

memctl consolidate

memctl consolidate [--scope S] [--dry-run] [--json]

确定性整合：按类型+标签重叠（Jaccard）对STM项目进行聚类，合并每个聚类（最长内容获胜），升级为MTM。高使用率的MTM项目会升级为LTM。没有LLM电话。

memctl loop

memctl push "question" | memctl loop "question" --llm "claude -p" [--max-calls 3] [--protocol json]

有界召回应答循环：将上下文+问题发送到外部LLM，解析其响应以获取细化指令，从内存存储中执行额外的召回，并检测收敛。LLM从来不是自主的，它只提出查询。控制器强制执行边界、去重和停止条件。

协议： LLM必须输出JSON第一行： {"need_more": bool, "query": "...", "stop": bool}，然后是他的回答。支持的协议： json （默认）， regex, passive （单程，无精炼）。

停止条件：

• llm_stop --LLM套件 stop: true
• fixed_point --连续答案在阈值以上相似（默认值0.92）
• query_cycle --LLM重新请求已尝试的查询
• no_new_items --recall不会为建议的查询返回新项目
• max_calls --已达到迭代限制（默认值3）

旗帜：

管道示例：

# Iterative recall with Claude
memctl push "How does authentication work?" --source docs/ \
  | memctl loop "How does authentication work?" --llm "claude -p" --trace

# Sovereign local LLM
memctl push "database schema" --source src/ \
  | memctl loop "database schema" --llm "ollama run granite3.1:2b" --protocol json

# Replay a trace (no LLM needed)
memctl loop --replay trace.jsonl "original question"

memctl mount

memctl mount PATH [--name NAME] [--ignore PATTERN ...] [--lang HINT]
memctl mount --list
memctl mount --remove ID_OR_NAME

将文件夹注册为结构化源。仅存储元数据——无扫描，无摄取。文件夹内容通过单独同步 sync 或自动通过 inspect.

memctl sync

memctl sync [PATH] [--full] [--json] [--quiet]

Delta将装载的文件夹同步到内存存储中。使用3层增量规则：

1. 新文件 （不在数据库中）→ 摄取
2. 大小+时间匹配 → 快速跳过（无哈希）
3. 哈希比较 → 仅在内容更改时才摄取

如果 PATH 如果已给出但尚未挂载，则首先自动注册。 --full 强制重新处理所有文件。

memctl inspect

# Orchestration mode — auto-mounts, auto-syncs, and inspects
memctl inspect PATH [--sync auto|always|never] [--no-sync] [--mount-mode persist|ephemeral]
                    [--budget N] [--ignore PATTERN ...] [--json] [--quiet]

# Classic mode — inspect an existing mount by ID/name
memctl inspect --mount ID_OR_NAME [--budget N] [--json] [--quiet]

当给定一个位置时 PATH，检查操作 编排模式:

1. 自动安装 --如果尚未装载，则注册该文件夹
2. 稳定性检查 --将磁盘资源清册（路径/大小/mtime三元组）与存储进行比较
3. 自动同步 --仅在过时（或始终/从不执行）时运行增量同步 --sync)
4. 检查 --生成确定性结构摘要

输出包括文件/块/大小总计、每个文件夹细分、每个扩展名分布、前5个最大文件和基于规则的观察结果。输出中的所有路径都是相对挂载的（绝不是绝对的）。

--mount-mode ephemeral 检查后删除挂载记录（保留语料库数据）。 --no-sync 是缩写 --sync never.

所有隐式操作（装载、同步）都在stderr上宣布。 --quiet 压制他们。

memctl ask

memctl ask PATH "question" --llm CMD [--inspect-cap N] [--budget N]
           [--sync auto|always|never] [--no-sync] [--mount-mode persist|ephemeral]
           [--protocol passive|json|regex] [--max-calls N] [--json] [--quiet]

一次性文件夹Q&A。在一个命令中协调自动挂载、自动同步、结构检查、范围调用和有界循环。

预算拆分： --inspect-cap 标记转到结构上下文（文件夹树、观察）。其余部分(--budget 减 --inspect-cap)转到内容召回（FTS5结果作用于文件夹）。

召回范围： FTS结果经过后过滤，仅包括目标文件夹装载中的项目。其他支架上的物品不包括在内。

memctl chat

memctl chat --llm CMD [--session] [--store] [--folder PATH]
            [--protocol passive|json|regex] [--max-calls N] [--budget N]
            [--source FILE ...] [--quiet]

交互式内存支持聊天REPL。每一轮：FTS5从内存中调用，向LLM发送上下文+问题，显示答案。持久读线历史(~/.local/share/memctl/chat_history)以及多行输入（发送空白行）。

默认情况下为无状态。 每个问题只看到记忆存储，没有隐藏的对话状态。

文件夹范围的聊天： --folder PATH 自动挂载和同步文件夹，然后将每次调用限制在该文件夹的项目上。结合了以下便利性 ask 随着互动 chat.

stdout纯度： 答案只会发送到stdout。提示、横幅和提示将转到stderr。

memctl export

memctl export [--tier T] [--type T] [--scope S] [--include-archived]

将内存项作为JSONL（每行一个JSON对象）导出到stdout。每一行都是完整的 MemoryItem.to_dict() 序列化，包括完整的出处。

# Export all items
memctl export > backup.jsonl

# Export only LTM decisions
memctl export --tier ltm --type decision > decisions.jsonl

# Pipe between databases
memctl export --db project-a.db | memctl import --db project-b.db

stdout纯度： 只有JSONL数据会发送到stdout。进度转到stderr。

memctl import

memctl import [FILE] [--preserve-ids] [--dry-run]

从JSONL文件或stdin导入内存项。每个项目都通过策略引擎。内容哈希重复数据消除可防止重复。

# Import from file
memctl import backup.jsonl --db fresh.db

# Dry run — see what would happen
memctl import backup.jsonl --dry-run

# Preserve original IDs (for controlled migration)
memctl import backup.jsonl --preserve-ids --db replica.db

______________________________________________________________________

配置

memctl读取可选 config.json 数据库旁的文件（自动检测）或显式文件 --config PATH 旗帜。

{
  "store": {"fts_tokenizer": "fr"},
  "inspect": {
    "dominance_frac": 0.40,
    "low_density_threshold": 0.10,
    "ext_concentration_frac": 0.75,
    "sparse_threshold": 1
  },
  "chat": {"history_max": 1000}
}

优先： CLI --flag > MEMCTL_* 谁是 > config.json >编译默认值。配置文件丢失或无效将被自动忽略。

______________________________________________________________________

环境变量

优先： CLI --flag > MEMCTL_* 谁是 > config.json >编译默认值。总是。

______________________________________________________________________

退出代码

______________________________________________________________________

Shell 集成

添加 .bashrc, .zshrc，或您的项目 env.sh:

export MEMCTL_DB=.memory/memory.db

# Shortcuts
meminit()  { memctl init "${1:-.memory}"; }
memq()     { memctl push "$1"; }                        # recall only
memp()     { memctl push "$1" ${2:+--source "$2"}; }    # push with optional source
mempull()  { memctl pull --tags "${1:-}" ${2:+--title "$2"}; }

烟斗食谱

# Ingest docs + recall + feed to LLM + store output
memctl push "API design" --source docs/ | llm "Summarize" | memctl pull --tags api

# Search and pipe to jq
memctl search "auth" --json | jq '.[].title'

# Batch ingest a directory
memctl push "project overview" --source src/ tests/ docs/ -q

# Export all items as JSONL backup
memctl export > backup.jsonl

# Export only LTM items
memctl export --tier ltm > decisions.jsonl

# Import into a fresh database
memctl import backup.jsonl --db fresh.db

# Pipe between databases
memctl export --db project-a.db | memctl import --db project-b.db

# Dry-run import to check counts
memctl import backup.jsonl --dry-run

# Iterative recall-answer loop with trace
memctl push "auth flow" --source docs/ | memctl loop "auth flow" --llm "claude -p" --trace

# One-liner: inspect a folder (auto-mount + auto-sync)
memctl inspect docs/

# Inspect in JSON, pipe to jq for extension breakdown
memctl inspect src/ --json | jq '.extensions'

# Inspect without syncing (use cached state)
memctl inspect docs/ --no-sync --json

# One-shot folder Q&A (inspect + scoped recall + LLM)
memctl ask docs/ "What are the auth risks?" --llm "claude -p"

# Folder Q&A with JSON output
memctl ask src/ "Summarize the architecture" --llm "claude -p" --json

# Interactive folder-scoped chat
memctl chat --llm "claude -p" --folder docs/ --session --store

# Interactive chat with pre-ingested docs
memctl chat --llm "claude -p" --source docs/ --session --store

______________________________________________________________________

MCP服务器

memctl公开了21个MCP工具，用于与Claude Code、Claude Desktop和任何兼容MCP的客户端集成。

快速安装

跨平台安装程序配置您的客户端，初始化工作区，并验证服务器是否启动：

# Claude Code (default) — cross-platform (Python)
memctl setup mcp

# Claude Desktop
memctl setup mcp --client claude-desktop

# Both clients, non-interactive
memctl setup mcp --client all --yes

# Custom database path
memctl setup mcp --db ~/my-project/.memory/memory.db

# Preview without changes
memctl setup mcp --dry-run

遗留的Bash安装程序仍然可以通过 bash "$(memctl scripts-path)/install_mcp.sh".

安装程序：

• 验证Python 3.10+和 mcp 套餐可用性
• 创建 ~/.local/share/memctl/memory.db 目录（如果缺失）
• 插入/更新 memctl 客户端MCP配置中的条目（带时间戳 .bak 备份）
• 跑 memctl serve --check 验证服务器是否启动
• 适用于pip、pipx和venv安装

支持的平台：macOS、Linux和Windows。

手动设置

如果您更喜欢手动配置：

# 1. Install
pip install "memctl[mcp]"

# 2. Initialize workspace
memctl init ~/.local/share/memctl

# 3. Verify
memctl serve --check --db ~/.local/share/memctl/memory.db

然后添加到您的客户端配置中：

克劳德代码 (~/.claude/settings.json):

{
  "mcpServers": {
    "memctl": {
      "command": "memctl",
      "args": ["serve", "--db", "~/.local/share/memctl/memory.db"]
    }
  }
}

克劳德桌面版 (~/Library/Application Support/Claude/claude_desktop_config.json 在macOS上）：

{
  "mcpServers": {
    "memctl": {
      "command": "memctl",
      "args": ["serve", "--db", "~/.local/share/memctl/memory.db"]
    }
  }
}

启动服务器

memctl serve --db ~/.local/share/memctl/memory.db
# or
python -m memctl.mcp.server --db ~/.local/share/memctl/memory.db

纵深防御（v0.8）

MCP服务器应用四层保护：

安全服务器示例：

# Default: db-root enforced, rate limits on, audit to stderr
memctl serve --db project/memory.db

# Explicit secure mode with audit file
memctl serve --db memory.db --db-root . --audit-log audit.jsonl

# Disable rate limits (development only)
memctl serve --db memory.db --no-rate-limit

克劳德代码挂钩 （可选，与核心分开）：

# Install safety guard + audit logger hooks (cross-platform)
memctl setup hooks

# Uninstall
memctl teardown hooks

MCP工具

工具名称使用 memory_* 与RAGIX直接兼容的前缀。

Slash命令（生态模式，v0.13+）

eco模式安装了用于引导和高频操作的可选斜线命令：

Slash命令是 可选用户体验助手。所有功能仍然可用 通过CLI和MCP工具，无需安装任何slash命令。

生态模式（v0.9+）

使用克劳德代码？ 请参阅 生态模式快速启动 对于一个动手 演练——安装、第一个会话、查询提示、工作流模式和故障排除。

克劳德本地人读取文件。eco-Claude质疑建筑。

生态模式用确定性结构检索取代了顺序文件浏览 以及持久的跨文件推理。手术块检索（精确算法，不是 文件头）、跨文件不变发现（测试中的架构）、有界成本 （代币减少约5倍）。

默认情况下，eco处于关闭状态。 它是可安装的，但在明确启用之前是禁用的。 这可以防止未经培训的用户出现“0结果”的第一印象问题。

一次性安装：

pip install "memctl[mcp]"
memctl setup eco --db-root .memory
memctl eco on    # Enable eco mode (required)

这设置了：

• 带项目范围内存的MCP服务器(.memory/memory.db)
• 生态提示钩 (UserPromptSubmit)--注入具有项目计数、升级阶梯和检索/分析答案契约的规模感知上下文（约80个令牌/回合）
• 生态轻推钩 (PreToolUse，v0.18.2）-在索引项目上Grep/Glob之前的上下文提醒（>=200个项目，仅探索模式，从不阻止）
• 战略文件(.claude/eco/ECO.md)具有FTS5查询规则
• Slash命令： /eco, /scan, /recall, /remember, /reindex, /forget, /consolidate, /status, /export, /diff

升级阶梯 （自v0.18.2起嵌入提示中）：

1. memory_inspect --结构概述（文件树、大小、观察结果）
2. memory_recall 或 /recall --选择性内容检索（FTS5，令牌预算，2-3个标识符）
3. 本土的 Grep/Glob --尽管查询经过优化，但只有在召回后返回0个结果
4. 本土的 Read/View --用于编辑特定已知文件或行级精度

生态模式是对检索的建议，而不是对编辑的限制。 绕过eco用于：编辑文件、读取单个已知的小文件、git操作。

查询规范化（v0.10）： 停用词（法语+英语文章、介词、， 在FTS搜索之前，问题词）会被自动删除。代码标识符 （CamelCase、snake_case、UPPER_case）始终保持不变。

FTS级联（v0.11+）： 当多词查询返回0个结果时，系统 自动级联：AND→ 减少和→ 前缀\_ AND→ 或后退。前缀 扩展（v0.12）使用 "term"* 对于≥5个字符的术语，跳过波特词干。 每一步都会被记录下来，并制定相应的策略(fts_strategy)在MCP应答中报告。

阀杆（v0.12）： memctl reindex --tokenizer en 启用波特词干 英语代码库。这 reindex 命令将元数据记录到 schema_meta 并发出 审计事件。使用 memctl stats 检查标记器和不匹配状态。

飞行员指导： 看 extras/eco/PILOT.md 对于通用 与开发团队（20-30名开发人员，2-4周， 指标、退出标准）。

演示： bash demos/eco_demo.sh --完整代码库上的4-act演示。

卸载：

memctl teardown eco
# Removes hook + strategy file. Preserves .memory/memory.db and MCP config.

______________________________________________________________________

运作原理

建筑

memctl/
├── types.py           Data model (MemoryItem, MemoryProposal, MemoryEvent, MemoryLink)
├── store.py           SQLite + FTS5 + WAL backend (10 tables + schema_meta)
├── extract.py         Text extraction (text files + binary format dispatch)
├── ingest.py          Paragraph chunking, SHA-256 dedup, source resolution
├── policy.py          Write governance (35 patterns: secrets, injection, instructional, PII)
├── config.py          Dataclass configuration + JSON config loading
├── similarity.py      Stdlib text similarity (Jaccard + SequenceMatcher)
├── loop.py            Bounded recall-answer loop controller
├── mount.py           Folder mount registration and management
├── sync.py            Delta sync with 3-tier change detection
├── inspect.py         Structural inspection and orchestration
├── chat.py            Interactive chat REPL (readline history, multi-line)
├── ask.py             One-shot folder Q&A orchestrator
├── query.py           FTS query normalization and intent classification
├── export_import.py   JSONL export/import with policy enforcement
├── cli.py             28 CLI commands
├── installer.py       Cross-platform setup/teardown (MCP, eco, hooks)
├── consolidate.py     Deterministic merge (Jaccard clustering, no LLM)
├── proposer.py        LLM output parsing (delimiter + regex + JSON stdin)
└── mcp/
    ├── tools.py       21 MCP tools (memory_* prefix)
    ├── formatting.py  Injection block format (format_version=1)
    └── server.py      FastMCP server entry point

36个源文件。约14300行。核心的编译依赖项为零。

内存层

策略引擎

每条写入路径都经过策略引擎。没有例外。

硬块 （拒绝）：

• 10种秘密检测模式（API密钥、令牌、密码、私钥、JWT）
• 8种注射模式（提示覆盖、系统提示片段）
• 8种教学块模式（工具调用语法、角色片段）
• 超大内容（非指针类型超过2000个字符）

软积木 （隔离至STM，过期）：

• 4种教学隔离模式（强制性自我指导）
• 5种PII模式（SSN、信用卡、电子邮件、电话、IBAN）
• 缺少来源或理由
• 隔离物品存放在 injectable=False

FTS5令牌化器预设

专家覆盖： memctl init --fts-tokenizer "porter unicode61 remove_diacritics 2"

支持格式

在分块和摄取之前，所有格式都被提取为纯文本。二进制格式库是延迟导入的——缺少库会产生清晰的 ImportError 安装说明。

内容寻址

每个摄入的文件都经过哈希处理（SHA-256）。重新摄取同一个文件是不允许的。每个内存项都存储一个 content_hash 用于重复数据删除。

整合

确定性，无LLM合并管道：

1. 收集未存档的STM项目
2. 按类型聚类+标签重叠（Jaccard相似性）
3. 合并每个集群：最长的内容获胜；最早打破平局 created_at，然后是词典ID
4. 在MTM层写入合并项+ supersedes 链接
5. 存档原件(archived=True)
6. 将高使用率的MTM项目推广到LTM

______________________________________________________________________

数据库模式

具有WAL模式的单个SQLite文件。10张桌子+1张FTS5虚拟桌子：

在中跟踪架构版本 schema_meta.当前： SCHEMA_VERSION=2从v1迁移是可加的（ALTER TABLE ADD COLUMN）和幂等的。

______________________________________________________________________

迁移到RAGIX

memctl提取自 拉吉克斯 并维护模式相同的数据库。要升级，请执行以下操作：

git clone git@github.com:ovitrac/RAGIX.git
cd RAGIX
pip install -e .[all]
# Point at the same database — all items carry over
ragix memory stats --db /path/to/your/.memory/memory.db

______________________________________________________________________

Python API

from memctl import MemoryStore, MemoryItem, MemoryPolicy

# Open or create a store
store = MemoryStore(db_path=".memory/memory.db")

# Write an item
item = MemoryItem(
    title="Architecture decision",
    content="We chose event sourcing for state management",
    tier="stm",
    type="decision",
    tags=["architecture", "event-sourcing"],
)
store.write_item(item, reason="manual")

# Search
results = store.search_fulltext("event sourcing", limit=10)
for r in results:
    print(f"[{r.tier}] {r.title}: {r.content[:80]}")

# Policy check
policy = MemoryPolicy()
from memctl.types import MemoryProposal
proposal = MemoryProposal(
    title="Config", content="Some content",
    why_store="Important finding",
    provenance_hint={"source_kind": "doc", "source_id": "design.md"},
)
verdict = policy.evaluate_proposal(proposal)
print(verdict.action)  # "accept", "quarantine", or "reject"

store.close()

______________________________________________________________________

测试

pip install memctl[dev]
pytest tests/ -v

对42个测试文件进行1204次测试，涵盖类型、存储、策略、摄取、文本提取、相似性、循环控制器、挂载、同步、检查、询问、聊天、导出/导入、配置、前向兼容性、合约、CLI（子流程）、管道组合、MCP工具、PII检测、配置验证、退出代码、查询规范化、注入完整性、模式分类、升级阶梯、提议者解析、生态模板、内存重置、钩子、环境诊断和策略性能。

______________________________________________________________________

文档

______________________________________________________________________

许可证

MIT许可证。看 许可证 了解详情。

______________________________________________________________________

作者 奥利维耶·维特拉克，博士，HDR| olivier.vitrac@adservio.fr |Adservio创新实验室

______________________________________________________________________

链接

• 仓库: https://github.com/ovitrac/memctl
• PyPI: https://pypi.org/project/memctl/
• 问题: https://github.com/ovitrac/memctl/issues
• 文档: DeepWiki
• 许可证: 麻省理工学院

______________________________________________________________________

*“每一行代码都应该有自己的位置。如有疑问，请将其排除在外。”*

返回顶部