brain:rescan Skill：让 AI 项目记忆「增量进化」的增量扫描神器

Skill超级捕获手 技术创作者 2026-08-04 15 阅读

brain:rescan Skill：让 AI 项目记忆「增量进化」的增量扫描神器

CoCo 项目的 Brain 系统是一个本地知识图谱引擎，包含 6 个 Skills，其中的 brain:rescan 专门解决了一个长期痛点：AI 编程工具每次 /clear 后就会丢失项目上下文，开发者不得不重复解释项目结构、业务规则和已有决策。brain:rescan 以增量化方式监控项目文件夹变化，只对新增或修改的文件提取知识并写入本地 SQLite 数据库，让 AI 在任何时候都能从「上一次中断的地方」继续，而无需全量重新扫描。2026 年 8 月 4 日同日新增多个 GSD（Get Shit Done）系列 Skill，brain:rescan 是其中唯一聚焦「项目脑库增量维护」的 Skill，在 SkillHub.club 当日新鲜度排名前列。

功能与原则

brain:rescan 是 Brain 系统的一部分，其设计原则是「只做增量，不做重复劳动」。整个流程分为五步：运行扫描器检测 delta（新增 / 修改 / 删除文件）→ 仅对 delta 中的文件提取知识 → 呈现变更摘要供用户确认 → 执行写入（实体、关系、决策、事件）→ 更新 manifest 并同步到 MemPalace。与全量 /brain-init 不同，brain:rescan 跳过了未变化的文件，大型项目可节省 80%+ 的 token 消耗和时间。

核心约束：必须先有 project_brain.db 才能运行（需先执行 /brain-init）；被删除文件的脑实体不会自动删除，而是提示用户手动清理，避免误删重要上下文。

认可度

  • GitHub Star：196（截至 2026-08-04）
  • 所属母项目 Star：196（coco-research/coco 单仓库，含 179 个 Skills）
  • SkillHub 新鲜度：2026-08-04 新上架，出现在 SkillHub.club 首页「Recently added」区块
  • 生态定位：CoCo v1.2.0 版本（2026-08 当前最新版）内置 Brain Bundle，68 个 GSD Skills 之一
  • 支持 Agent：Claude Code、Codex CLI、Gemini CLI、OpenCode、OpenClaw、GitHub Copilot、Cursor、Windsurf、Cline、Roo Code、Kiro、Junie、Augment Code、Warp、Goose（共 15 个主流 AI 编程工具）

链接

GitHub（母项目，含 brain:rescan 源码）：
https://github.com/coco-research/coco

SkillHub 页面：
https://skillhub.club/skills/coco-research-coco-brain-rescan

原作者

coco-research — 开源 AI 编程增强组织，专注于将多 Agent 协作、项目记忆、架构一致性验证等能力封装为模块化 Skills 和命令体系。旗下项目 CoCo Super Intelligence 定位为「AI 编程工具的编排层」，非模型非 Agent 框架，而是纯 Markdown/YAML 的工作流资产库，100% 本地运行，无遥测。

介绍

CoCo 的 Brain 系统本质是一个本地知识图谱记忆层。它用 SQLite 数据库（project_brain.db）存储项目中的实体（函数、模块、业务概念）、决策记录、项目事件和文档元数据，并在 AI 上下文被重置后自动恢复这些知识。

brain:rescan 是该系统的增量维护入口。传统方案里，每次让 AI「了解」项目都要花大量 token 扫描全部文件；有了增量扫描后，AI 只读取「真正变了」的部分。上一次 /brain-rescan 之后新加的文档、改过的 CLAUDE.local.md、新增的邮件或设计稿，都会被识别并提取为脑实体，自动去重（已有实体用 upsert_entity 更新而非重复创建）。

整个流程支持用户交互确认：扫描结果以 delta 摘要形式呈现，AI 会问「Write to brain? [Y/n/adjust]」，用户可以精准控制写入内容，不会被意外覆盖。

特点

  • 增量优先：只处理新增或修改的文件，忽略未变化的文件，大幅降低 token 和时间消耗
  • 多源知识提取：支持从 CLAUDE.local.md、memory 文件、文档（.html/.txt 等）和邮件线程中分别提取结构化知识
  • 智能去重：upsert_entity 机制确保已有实体不会被重复创建，决策和事件也有去重检查
  • 交互式确认：delta 结果先展示给用户，用户确认后才写入，防止错误知识污染脑库
  • 磁盘持久化：所有实体、关系、决策存储在 project_brain.db，跨 /clear 重置仍然保留
  • 支持 /brain-rescan vs /brain-update 场景区分：文件变化用 brain:rescan，对话结束用 /brain-update，职责清晰不混淆

使用方法

前置条件

# 1. 首次初始化项目脑库（只需执行一次）
/brain-init

# 2. 确认 project_brain.db 已存在于项目根目录或父目录

增量扫描

# 3. 日常使用：每次添加/修改文件后运行
/brain:rescan

AI 会输出增量摘要：

RESCAN DELTA ============ 
Last scan: 2026-08-04 10:00
New files: 2 (docs/NewAPI.html, emails/Q3_Launch.txt)
Changed files: 1 (CLAUDE.local.md)
Removed files: 0
Knowledge sources:
  CLAUDE.local.md: found (changed: yes)
  Memory files: 2 files (1 new/changed)
  Documents: 2 new
  Emails: 1 new

确认后执行写入，输出统计：

BRAIN UPDATED (rescan) ======================
Entities: +5, ~2 updated (total: 47)
Decisions: +1 (total: 12)
Events: +0 (total: 5)
Documents: +2 (total: 9)
Manifest updated: 31 files tracked

使用场景与人群

适用场景：
– 长期项目维护：需要 AI 在多轮对话中保持对项目结构、设计决策和业务规则的一致理解
– 团队知识传承：新成员加入时，AI 可以直接查询脑库了解「这个决定是怎么做的」而非靠猜测
– 复杂重构或迁移：AI 在执行大规模变更时能追踪哪些决策已记录、哪些文件已被修改，避免「重复踩坑」
– 多工具协同：配合 /team:ship 等多 Agent 命令时，Brain 提供共享记忆，各 Agent 不需要重复解释上下文

目标用户：
– 使用 Claude Code / Cursor / Codex 等 AI 编程工具进行日常开发的工程师
– 需要 AI 在复杂项目中保持「项目记忆」而非每次都从零开始的团队
– 研究如何让 AI Agent 具备持久化上下文能力的开发者

输入与输出案例

案例 1：文档增量

Input：项目文件夹新增了 docs/PaymentFlow.html，用户运行 /brain:rescan

Output：
New document entity: docs/PaymentFlow.html (path, type, size, content_summary)
→ Ask: "Write to brain? [Y/n/adjust]"
User confirms → entity written to project_brain.db

案例 2：CLAUDE.local.md 更新后重新提取

Input：开发者更新了 CLAUDE.local.md 加入新的项目方向说明，运行 /brain:rescan

Output：
CLAUDE.local.md: changed (yes) → re-extract entities & decisions
New decisions found: ["使用 Stripe 而不是自建支付"]
Existing entity "PaymentGateway" → updated (upsert)
→ Presents delta → user confirms → brain updated

GitHub: https://github.com/coco-research/coco

评论区

0 条评论

登录后可评论。

Skill超级捕获手 15 阅读