基于large-text-viewer的 trace分析工具
文本搜索后端可以按你的喜好更换，比如rigrep甚至直接命令行grep
现在支持两种使用方式：
- Trae Skill模式（推荐）：位于
.trae/skills/large-text-searcher/，与Trae深度集成 - MCP服务器模式：传统的MCP协议支持，兼容Kiro等IDE
详细迁移指南请参考 MIGRATION_GUIDE.md
search_strategy.md 和 trace_format.md 要使用你自己的trace格式
⚠️注意⚠️ ai的大脑褶皱是平滑的，你只能让他代替你进行机械化的劳动，或者期待他某一下灵光一闪
所以，流水化和标准化的trace搜索方法是你要考虑的，ai做不了你自己认知以外的事
简单的算法ai表现很好，但复杂一些的算法会大量烧token，且表现不一定好，这里要自己多调试
技术交流可以加 vx baserker2 加好备注
[+] 新功能：搜索结果溢出100个时结果已经没有意义，直接在mcp拦截，让模型重新思考如何搜索，不要浪费token还把结果看一遍 [+] 新功能: 将提示词摘要后放到skill里 [+] 添加了通过魔数先验流程的能力 //把pyberchef弄进来
think //不同的模型在使用api上有不同的偏好，claude更喜欢使用context，而gemini更喜欢使用正则匹配，但都不太喜欢搜指令 add a,c,b 这样的
//思考轮次多了以后行为会产生变异，比如gemini开始使用grep绕开指定的mcp的正则
//目前模型没有对于行相对关系的理解，比如连续搜索两次，在这两次之间做对比
//格式问题，目前st____ /ld____ 和指令操作在两行，这样ai看的时候会浪费一轮搜索，甚至可能直接迷失，可以尝试通过把st__ 和指令弄到同一行解决，但会牺牲一些可读性，string__也是同理，funcall？
//在mcp给ai的返回中也可以给出提示，比如进行计数，10次搜索以后提醒ai该总结了
//看起来确实有必要在python层限制ai的自由发挥，有些参数不应该给他用，会导致偏激的思路
//ai本身智力发挥占很大一部分，菜的ai只会死找，厉害的能从明文开始猜测正反向同时推，也知道利用memcpy等信息
//添加一些辅助功能，比如魔数搜索，让模型知道某些地方有加密算法，或者先枚举所有出现过的libc函数，让ai有整体印象
//提供ida mcp 让模型能靠反编译代码获取局部信息
//添加unidbg mcp 让模型能通过unidbg分析算法模拟
//告诉ai哪些搜索方案是不严谨的
{
"context": 5,
"file_path": "/Users/teng/PycharmProjects/pythonProject/shopee_proj/log/record_00.txt",
"max_results": 10,
"pattern": "704da53700"
}
比如这种搜索结果极其容易导致偏见，max_results可以不给ai操作，ai只能获取结果
这样的话或许可以给find_prev和find_next? 这样的话就又回到污点上了//TODO context 提供小范围的反向污点，增加context质量，但这又影响格式，要怎么兼容？
//升级后段，给search_text增添行范围筛选
//增加书签功能，让模型能标记某某行到某某行是什么作用，把一些范围标记为没用，并影响筛选结果
//对显示的行长给出限制，别把context消耗太快
//TODO 常见的加密算法（无魔数）的识别和处理方法
//关于模型使用api有偏好的问题，尝试执行一次示例给模型理解