你知道吗?GitHub 上有一个 4,314 Stars 的终端 AI Agent,早在 2023 年春天就发布了,比 Claude Code 还早。但大多数开发者只是用它执行一次性任务,完全错过了它最强大的能力。
gptme 是一个运行在终端里的 AI Agent,能写代码、用终端、浏览网页。但它的功能深度远不止于此——它还内置了代码智能、多模型共识、自愈式 CI 等高级能力,全部在一个终端会话里完成。
以下是 90% 的终端开发者都不知道的 5 个隐藏用法。
隐藏用法 #1:自愈式 CI — 自动分析测试失败并提出修复方案
大多数开发者用 gptme 做一次性任务。但 feat(ci): self-heal workflow 在 2026 年 6 月 1 日刚刚上线——这是自动调试流水线的第一阶段,能分析测试失败并提出实际修复方案,而不仅仅是建议。
大多数人的用法:
gptme "运行测试套件"
# 手动阅读失败信息、Google 错误、逐个应用修复
隐藏技巧 — 启用自愈工作流:
export GPTME_CI_SELF_HEAL=true
gptme "运行测试,分析任何失败,自主应用修复"
工作流:测试运行 → 失败分析 → 根因确定 → 修复方案 → 应用 → 重新测试。第一阶段处理无效 API key、依赖冲突和导入错误。第二阶段将覆盖完整的测试自愈。
效果:CI 流水线不仅报告失败——它修复失败并重新运行,将反馈循环从数小时缩短到数分钟。
数据来源:gptme GitHub 4,314 Stars;近期 commit 显示 feat(ci): self-heal workflow — analyze test failures and propose fixes (Phase 1) 于 2026-06-01 提交。
隐藏用法 #2:Lessons 系统 — 基于关键词/工具/模式自动注入的上下文指导
gptme 有一个 Lessons 系统,能基于对话中的关键词、工具和模式自动注入上下文指导。与全局应用的系统提示不同,Lessons 是有针对性的——只有在相关上下文被检测到时才激活。
大多数人的用法:编写冗长的系统提示来指导 gptme 在所有对话中的行为。
隐藏技巧 — 编写一个 lesson 文件:
---
keywords: ["git", "commit", "branch"]
tools: ["shell"]
patterns: ["make a commit", "create a branch"]
---
## 团队提交标准
创建提交时,始终:
1. 先运行 `git status` 查看更改内容
2. 使用约定式提交格式:`type(scope): description`
3. 包含问题引用(如果适用):`fix(auth): resolve login timeout #1234`
4. 确认提交消息前运行 `git diff --cached`
gptme 检测到消息中的关键词 "git"、"commit"、"branch",自动注入相关指导——无需手动激活。
效果:团队特定的最佳实践自动被遵循,无需在每次会话中重复说明。
数据来源:gptme README 功能部分确认 Lessons system — contextual guidance that auto-injects into conversations based on keywords, tools, and patterns。
隐藏用法 #3:gptme-codegraph — 9 个 MCP 工具实现结构化代码智能
gptme-codegraph 插件(来自 gptme-contrib)为 gptme 提供了 9 个基于 tree-sitter 的 MCP 工具:调用图、符号提取和影响/爆炸分析。这将 gptme 从聊天界面转变为真正的代码智能引擎。
大多数人的用法:让 gptme"阅读此文件并解释它"——它给出摘要但丢失了结构关系。
隐藏技巧 — 启用 codegraph:
# gptme.toml
[plugins]
enabled = ["gptme-codegraph"]
[tools]
codegraph_parse = true
codegraph_call_graph = true
codegraph_blast = true # 影响分析
gptme "分析我的认证模块的调用图,找出哪些函数依赖于 validate_token()"
这给你:符号引用、调用层次、影响爆炸(如果更改函数 X 会破坏什么)以及整个代码库的依赖链。
效果:gptme 可以用实际结构分析来回答"如果我更改这个函数会破坏什么?"——而不仅仅是模式匹配。
数据来源:gptme README 确认 gptme-codegraph: structural code retrieval with tree-sitter: 9 MCP tools for parse, call graph, blast/impact analysis 来自 gptme-contrib。
隐藏用法 #4:gptme-consortium 多模型共识决策
gptme-consortium 插件支持多模型共识决策——不是问一个 LLM,而是同时问多个模型,gptme 综合响应。
大多数人的用法:使用单一模型(Claude 或 GPT)并直接接受其答案。
隐藏技巧 — 运行共识查询:
# 在 gptme.toml 中配置多个 providers
[models]
primary = "anthropic/claude-3-7-sonnet"
secondary = ["openai/gpt-4o", "google/gemini-2-5-flash"]
# 问一个问题
gptme "我应该重构这个服务还是构建一个新的?分析优缺点"
gptme 查询所有配置的模型,比较它们的推理,并呈现共识或突出分歧——给你比任何单一模型更好的决策。
效果:决策由多样化模型视角提供信息,而不仅仅是您所选 provider 的偏见。
数据来源:gptme README 确认 gptme-consortium: multi-model consensus decision-making 来自 gptme-contrib packages。
隐藏用法 #5:带 MCP 发现和动态加载的 Lessons 系统
gptme 的 Lessons 系统不仅限于静态指导——它具有 MCP(Model Context Protocol)发现和动态加载。当你提到 MCP 服务器或工具时,gptme 自动加载相关文档和上下文。
大多数人的用法:在让 gptme 使用 MCP 服务器时手动描述 MCP 服务器的功能。
隐藏技巧 — 让 lessons 自动加载 MCP 上下文:
gptme "使用 filesystem MCP 列出 ./src 中的所有 Python 文件,然后搜索调用 my_api() 的函数"
gptme 检测到 "filesystem MCP" 引用,动态加载 MCP 服务器的能力文档,并配置适当的工具调用——你只需描述任务,无需说明机制。
效果:用自然语言调用 MCP 工具,具有自动能力发现和配置。
数据来源:gptme README 确认 Lessons system for contextual guidance, MCP discovery & dynamic loading, token awareness。
总结
- 自愈式 CI — 自动分析测试失败并提出修复方案(第一阶段于 2026 年 6 月 1 日上线)
- Lessons 系统 — 基于关键词、工具和模式自动注入的上下文指导
- gptme-codegraph — 9 个基于 tree-sitter 的 MCP 工具:调用图、符号提取、影响爆炸分析
- 多模型共识 — gptme-consortium 实现跨多个 LLM Provider 的决策
- MCP 动态发现 — 从 Lessons 自动加载 MCP 服务器能力
gptme 不仅仅是一个 Claude 的终端包装器——它是一个完整的可扩展 Agent 平台,具有代码智能、多模型共识和自主 CI 自愈功能。插件生态系统(gptme-codegraph、gptme-consortium、gptme-imagen)将其进一步扩展到专业工具领域。
你发现了 gptme 的隐藏用法吗?在评论区分享——让我们一起构建最全面的 gptme Cookbook。
过往文章:
Top comments (0)