# Ocean Cc Cli

> Enhanced Claude Code CLI — Multi-model switching, structured memory (SQLite+FTS5), multi-agent collaboration, skill system & IM integration

- **Type:** MCP server
- **Install:** `agentstack add mcp-artljn-ocean-cc-cli`
- **Verified:** Pending review
- **Seller:** [ArtLjn](https://agentstack.voostack.com/s/artljn)
- **Installs:** 0
- **Category:** [Databases](https://agentstack.voostack.com/c/databases)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [ArtLjn](https://github.com/ArtLjn)
- **Source:** https://github.com/ArtLjn/ocean-cc-cli
- **Website:** https://github.com/ArtLjn/ocean-cc-cli#readme

## Install

```sh
agentstack add mcp-artljn-ocean-cc-cli
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

Ocean CLI — Enhanced AI Coding Assistant

**Multi-Model · Structured Memory · Multi-Agent Collaboration**

A powerful enhanced fork of [Claude Code CLI](https://github.com/anthropics/claude-code) with structured memory, multi-model switching, multi-agent parallelism, and extensible skill system.

`Claude` `GLM` `Doubao` `DeepSeek` `Gemini` `Codex` — switch with one command `/model`

[](LICENSE)
[](README.md)

  Features · Quick Start · Docs · Architecture

---

> **Keywords**: AI CLI tool, Claude Code CLI, multi-model CLI, structured memory, SQLite FTS5, multi-agent collaboration, developer productivity, terminal AI assistant, LLM tools, coding assistant, Claude Code fork, Ocean CLI, 智谱GLM, 豆包, DeepSeek, MCP protocol, Ink TUI, skill system, auto mode, bilingual assistant

---

## 功能

- 完整的 Ink TUI 交互界面（与官方 Claude Code 一致）
- **多模型接入** — Claude / 智谱GLM / 豆包 / DeepSeek，`/model` 一键切换
- **Auto Mode** — AI 分类器自动审批安全操作，危险操作仍需确认
- **双层记忆系统** — 纯 SQLite 结构化事实存储（6 种分类 + 全局/项目双层隔离）+ 自动提取 + 语义去重 + AutoDream 清洗 — [使用指南](docs/tutorial-memory.md)
- **多模型协作** — `/multi-agent` 按角色分工，真实并行调用 — [使用指南](docs/tutorial-multi-agent.md)
- **技能系统** — `/skillify` 从会话提炼技能，支持脚本自动生成 — [使用指南](docs/tutorial-skills.md)
- **Channel IM 集成** — 飞书/钉钉/Telegram 远程控制 Agent — [使用指南](docs/tutorial-channel.md)
- **Hook 系统** — 27 种事件、4 种类型，高度可定制 — [使用指南](docs/tutorial-hooks.md)
- 智能过载重试机制，自动处理 API 限流和超时

---

## 核心功能

### 1. 多模型接入

支持 Anthropic 官方模型和第三方兼容 API，通过 `custom-providers.json` 配置：

```json
{
  "glm": {
    "name": "智谱GLM",
    "type": "anthropic",
    "baseUrl": "https://open.bigmodel.cn/api/anthropic",
    "apiKeyEnv": "YOUR_API_KEY",
    "models": [
      { "id": "glm-5", "name": "GLM-5", "contextLength": 128000 }
    ]
  }
}
```

```bash
# 会话中一键切换
/model glm:glm-5
/model claude-opus-4-6
```

> 内置智能过载重试：API 限流时自动指数退避，无需手动干预。

### 2. Auto Mode

AI 分类器自动审批工具调用，所有模型提供商均可使用：

```bash
# 命令行启用
ocean --permission-mode auto

# 永久启用（~/.claude/settings.json）
{ "permissions": { "defaultMode": "auto" } }
```

### 3. 双层记忆系统

  

**核心特性**：
- **双层隔离** — 用户偏好全局共享，项目知识跟随项目，不串台
- **自动提取** — 每轮对话结束，后台 fork agent 自动提取用户偏好、项目结构、技术栈等事实写入 SQLite
- **分层自动注入** — 每轮对话前智能预取相关记忆，identity/workflow/项目概览始终注入，coding_style按技术栈匹配注入，其他记忆按相关性注入，总token占比
SQLite 表结构详解

每个数据库包含 4 张核心表 + 1 个 FTS5 虚拟表 + 1 个统计表：

**`facts` — 事实表**
存储所有记忆事实，每条事实独立成行，支持信任评分和检索统计。

| 字段 | 类型 | 说明 |
|------|------|------|
| `fact_id` | INTEGER PK | 自增主键 |
| `content` | TEXT UNIQUE | 事实内容（唯一约束防重复） |
| `category` | TEXT | 分类：identity / coding_style / tool_pref / workflow / project / general |
| `tags` | TEXT | 逗号分隔标签（含中文 bigram 预分词结果） |
| `keywords` | TEXT | 主题关键词 JSON（写入时自动提取，如 `[{"kw":"邮箱","w":0.9}]`） |
| `trust_score` | REAL | 信任评分（0.0~1.0，默认 0.5） |
| `retrieval_count` | INTEGER | 被检索次数 |
| `helpful_count` | INTEGER | 被标记 helpful 次数 |
| `created_at` | TEXT | 创建时间（本地时区） |
| `updated_at` | TEXT | 最后更新时间（本地时区） |

**`entities` — 实体表**
自动从事实内容中提取的命名实体，支持别名和类型分类。

| 字段 | 类型 | 说明 |
|------|------|------|
| `entity_id` | INTEGER PK | 自增主键 |
| `name` | TEXT | 实体名称 |
| `entity_type` | TEXT | 自动分类：person / technology / topic |
| `aliases` | TEXT | 别名（逗号分隔） |
| `created_at` | TEXT | 创建时间 |

> **entity_type 分类规则**：纯中文 2-4 字 → person（可能是人名），含英文 → technology，中文 5+ 字 → topic

**`fact_entities` — 事实-实体关联表**
多对多关联，一条事实可关联多个实体，一个实体可被多条事实引用。CASCADE 删除保证一致性。

| 字段 | 类型 | 说明 |
|------|------|------|
| `fact_id` | INTEGER FK | 关联 facts.fact_id |
| `entity_id` | INTEGER FK | 关联 entities.entity_id |

> 联合主键 `(fact_id, entity_id)`，INSERT OR IGNORE 防重复关联

**`facts_fts` — FTS5 全文索引（虚拟表）**
绑定 `facts` 表，通过触发器自动同步。支持中文 bigram 分词检索。

| 字段 | 说明 |
|------|------|
| `content` | 同步自 facts.content |
| `tags` | 同步自 facts.tags（含 bigram 预分词） |

> 三个触发器（INSERT/UPDATE/DELETE）保证 FTS5 索引与 facts 表实时同步

**`category_token_stats` — 类别词频统计表**
增量维护每个 token 在各 category 中的文档频率，用于计算关键词的类别特异性权重。

| 字段 | 类型 | 说明 |
|------|------|------|
| `category` | TEXT | 分类名 |
| `token` | TEXT | 关键词 token |
| `df` | INTEGER | 文档频率（该 token 在该 category 中出现的事实数） |

> 联合主键 `(category, token)`，ON CONFLICT 时 `df = df + 1`

### 4. 多模型协作

配置多个 AI 模型按角色分工，**真实并行调用**：

```bash
# 查看可用模型
/agent-config models

# 用预设创建 agent
/agent-config preset architect --model glm:glm-5.1
/agent-config preset reviewer --model vk:doubao-seed-2.0-pro

# 发起协作任务
/multi-agent 设计一个高并发缓存系统
```

内置 5 个角色预设：架构师、审查员、实现者、测试专家、DevOps。

### 5. 技能系统

从成功的工作流中自动提炼可复用技能：

```bash
# 手动提炼当前会话为技能
/skillify 创建文件并运行验证的工作流
```

**自动提炼**：任务完成后，系统自动检测可复用流程，提示确认后生成完整技能文件：

```
.claude/skills//
├── SKILL.md          # 技能定义（触发条件、步骤、成功标准）
└── scripts/          # 可执行脚本（数据处理、模板生成等）
    └── process.py
```

### 6. Channel IM 集成

通过 MCP 协议接入 IM 平台，远程控制 Agent：

  

```bash
# 启动时绑定
ocean --channels server:feishu

# 会话中动态连接（无需重启）
❯ /feishu                    # 快速连接飞书
❯ /channel connect dingtalk  # 连接钉钉
❯ /channel disconnect feishu  # 断开连接
```

- **入站**：IM 消息 → Agent 接收执行
- **出站**：Agent 结果 → IM 回复
- **权限中继**：工具审批转发到 IM，远程回复 yes/no
- **动态连接**：会话中途 `/feishu` 一键连接，离开后断开

已验证平台：飞书、钉钉

---

## 快速开始

### npm 安装（推荐）

> **前提**：需要 [Bun](https://bun.sh) >= 1.3.5

```bash
# 全局安装
npm install -g @morningljn/ocean

# 或一次性使用
npx @morningljn/ocean
```

### macOS / Linux（一键安装）

```bash
curl -fsSL https://raw.githubusercontent.com/ArtLjn/ocean-cc-cli/main/install.sh | bash
```

> 脚本会自动检测平台、安装 Bun、克隆仓库、构建并部署到 `~/.local/bin/ocean`。

### 国内用户（Gitee 镜像）

国内访问 GitHub 较慢，脚本内置多源回退，优先从 Gitee 拉取：

```bash
curl -fsSL https://gitee.com/morning-ljn/ocean-cc-cli/raw/main/install.sh | bash
```

### Windows（PowerShell）

```powershell
iwr -useb https://raw.githubusercontent.com/ArtLjn/ocean-cc-cli/main/install.ps1 | iex
```

国内用户：

```powershell
iwr -useb https://gitee.com/morning-ljn/ocean-cc-cli/raw/main/install.ps1 | iex
```

> Windows 安装使用 Bun 直接运行，无需 C 编译器。推荐在 WSL 中使用 bash 脚本获得完整体验。

### 手动安装

```bash
# 1. 安装 Bun
curl -fsSL https://bun.sh/install | bash

# 2. 克隆并构建（国内用 Gitee）
git clone https://github.com/ArtLjn/ocean-cc-cli.git && cd ocean-cc-cli
# git clone https://gitee.com/morning-ljn/ocean-cc-cli.git && cd ocean-cc-cli
bun install && ./build.sh
```

### 启动

```bash
ocean                          # 交互 TUI 模式
ocean --permission-mode auto   # Auto Mode
ocean -p "your prompt"         # 无头模式
```

---

## IDE 集成

Ocean CLI 可替换 Claude Code 官方 CLI，在 IDE 插件中直接使用。安装 Ocean 后，按以下步骤配置你的 IDE：

### VS Code / Cursor / Trae CN

安装 Claude Code 扩展后，在 IDE 的 `settings.json` 中添加：

```json
{
  "claudeCode.claudeProcessWrapper": "/Users//.local/bin/ocean"
}
```

> **配置文件路径**：
> - VS Code：`~/.vscode/settings.json`（全局）或项目 `.vscode/settings.json`
> - Cursor：`~/.cursor/settings.json`（全局）或项目 `.cursor/settings.json`
> - Trae CN：`~/.trae-cn/settings.json`（全局）或项目 `.trae/settings.json`

### JetBrains（IntelliJ / PyCharm / WebStorm 等）

1. 打开 **Settings → Tools → Claude Code [Beta]**
2. 将 **Claude command** 修改为 `ocean`（确保 `~/.local/bin` 在 PATH 中）

### Qoder

与 VS Code 方式相同，在 Qoder 的 `settings.json` 中配置 `claudeCode.claudeProcessWrapper`。

### 验证配置

启动 IDE 中的 Claude Code 面板，输入 `/model`，如果看到 Ocean CLI 的模型列表（含自定义 Provider），说明配置成功。

---

## 技术栈

| 类别 | 技术 |
|------|------|
| 运行时 | [Bun](https://bun.sh) |
| 语言 | TypeScript |
| 终端 UI | React + [Ink](https://github.com/vadimdemedes/ink) |
| CLI 解析 | Commander.js |
| API | Anthropic SDK |
| 协议 | MCP, LSP |
| 记忆存储 | SQLite (bun:sqlite) + FTS5（全局+项目双层） |

---

## 项目结构

```
├── src/                    # 主源码
│   ├── agents/             # Agent 实现
│   ├── skills/             # 技能系统
│   │   └── bundled/        # 内置技能（skillify、auto-skillify 等）
│   ├── memory/             # 双层记忆系统（HolographicProvider + 全局/项目 SQLite）
│   ├── providers/          # 模型提供商接入
│   ├── utils/hooks/        # Hook 系统核心
│   └── cli/                # 命令行界面
├── docs/                   # 文档 & 教程
├── static/                 # 静态资源
└── build.sh                # 构建脚本
```

---

## 教程目录

| 教程 | 说明 |
|------|------|
| [快速开始](docs/tutorial-getting-started.md) | 安装、构建、首次使用 |
| [自定义模型接入](docs/tutorial-custom-providers.md) | 智谱GLM/豆包/DeepSeek 配置 |
| [记忆系统](docs/tutorial-memory.md) | 手动记忆 + 自动提取 + AutoDream |
| [多模型协作](docs/tutorial-multi-agent.md) | 角色分工 + 并行调用 |
| [技能系统](docs/tutorial-skills.md) | 技能创建、提炼、脚本生成 |
| [Channel 集成](docs/tutorial-channel.md) | 飞书/钉钉远程控制 |
| [Hook 系统](docs/tutorial-hooks.md) | 事件类型、配置格式、实用示例 |

## 架构参考

| 文档 | 说明 |
|------|------|
| [KAIROS 持久助手](docs/02-kairos.md) | 后台持续运行、自动做梦、Cron 调度 |
| [Coordinator 多 Agent](docs/04-coordinator.md) | 指挥官+执行者编排模式 |
| [Bridge 远程控制](docs/06-bridge.md) | 网页/手机遥控终端 |
| [门控架构](docs/07-feature-gates.md) | 三层门控：编译开关 + USER_TYPE + GrowthBook |
| [Hermes 自学习方案](docs/hermes-caludecode-复用方案.md) | 技能提炼 / 记忆增强 / Observer 用户建模路线图 |

---

## 更新日志

### v1.5.3
- 主题关键词提取：写入时从 tags + 英文单词 + 引号内容自动提取 5-8 个主题关键词（位置权重 × 频率权重 × 类别特异性 × Tags 加权），查询时精准区分"核心主题"和"附带提及"，缓解 general 黑洞效应
- 五层递进式检索管线：FTS5 MATCH → LIKE（含中文子串分解）→ 字符级交叉匹配 → 分类推断 → trust fallback，弱模型模糊查询语义命中率 75%
- 查询双语扩展：种子术语表 + 事实库自动提取（括号注释/分隔符关联），中文查询自动追加英文术语，英文查询追加中文
- Category 信号乘法强化：IDF 式加权 + 信号集中度归一化，查询信号集中时该 category 事实获得 ~1.5x 乘法提升
- 新增 `category_token_stats` 表：增量维护 token 类别文档频率，支持关键词类别特异性计算
- `backfillKeywords()` 启动时补算已有事实的关键词

### v1.5.2
- 三层递进式去重管线：层1实体+编辑距离 → 层2 Jaccard bigram（≥0.45） → 层3 Containment包含率（≥0.8），彻底解决多模型切换导致的中文事实重复问题
- 去掉零实体短路：中文内容实体提取为空时不再跳过去重，回退到 bigram 分词相似度检测
- 启动矛盾审计增强：除实体 JOIN 外新增 Jaccard 纯文本矛盾扫描（≤200条时执行），捕捉中文事实的隐性冲突
- 删除废弃的 private findSimilar() 方法（逻辑已整合进 findSimilarFact 层2）

### v1.5.1
- 时间戳从 UTC 改为本地时区，修复 created_at/updated_at 显示错乱（datetime('now') → datetime('now', 'localtime')）
- 修复 retrieval_count 始终为 0：检索追踪从死代码 MemoryStore.searchFacts() 迁移到实际搜索路径 FactRetriever.search()，top3 结果额外 +0.01 信任刷新
- system prompt 添加 fact_feedback 使用指引，引导模型主动正向强化有效事实
- 内容检测路由从只覆盖 general 扩展到 general/workflow/coding_style，防止项目知识混入全局库
- 内容检测路由到项目库时 category 强制覆盖为 project（不再保留 AI 错标的 general/workflow）
- isProjectContent 新增技术调试模式匹配（测试/截图/调试 + 路由/dispatch/搜索/agent 组件名）

### v1.5.0
- 全局记忆分类细化：从 4 种 category 扩展到 6 种（identity / coding_style / tool_pref / workflow / project / general）
- 分层注入策略：identity/workflow 始终注入，coding_style 按项目技术栈匹配注入，其他走 prefetch
- 语义去重大幅优化：实体优先（≥50% 重叠）+ 归一化编辑距离辅助，彻底解决阈值两难问题
- 路由与分类解耦：category 标签由 AI 标注（允许偏差），存储位置由内容级检测确定性决定
- 去重搜索跨 category 回退：同 category 搜不到时回退搜索全部分类，合并时保留旧分类标签
- 需求变更自动检测：同实体下内容冲突时自动降权旧事实，新需求自动覆盖旧设计
- Skill 记忆增强：skillify 生成技能时自动注入用户偏好和项目知识，智能推荐项目级/全局级存储位置
- 实体提取修复：去掉 bigram 碎片入库，新增中文声明模式提取（"我叫XXX"、"名字是XXX"）
- 孤立实体自动清理：update/remove 事实时自动清理无关联实体
- system prompt 引导 AI 主动操作 fact_store（"记住"时立即写入，update 时保留旧信息）
- 旧数据自动迁移（user_pref/tool → 新 category）

### v1.4.1
- 修复自动记忆提取从未触发（绕过 tengu_passport_quail feature flag）
- 放宽 extractMemories prompt：支持自动提取项目结构、技术栈、目录布局、构建配置
- fact_store 工具 description 改为支持读写，引导 AI 主动存储项目知识

### v1.4.0
- 双层 SQLite 记忆架构：全局库（user_pref/tool/general）+ 项目库（project）
- 去掉 memdir markdown 文件写入，统一为纯 SQLite 存储
- 实体优先去重 + Upsert 机制，共享实体 + 编辑距离判断相似事实自动合并更新
- 中文实体提取：bigram 关键词 + 引号/书名号匹配
- FTS5 中文搜索增强：写入时 bigram 预分词 + 查询时 bigram 拆分
- entity_type 自动分类（person/technology/topic）
- extractMemories forked agent 只写 fact_store，不再写 markdown 文件
- AutoDream 改为 SQLite consolidation（矛盾检测/去重/低信任清理）
- prefetch 简化为纯 SQLite 同步检索（` 围栏注入 + 安全扫描（注入检测/PII/不可见Unicode）
- 后台审查 Agent 自动提取事实（extractMemories 集成 fact_store）
- 信任评分 + 反馈机制（fact_feedback 工具）

### v1.2.0
- 技能自动提炼（auto-skillify）：Stop hook 检测 + scripts 目录支持
- 移除 skillify 门控，`/skillify` 对所有用户可用

### v1.1.0
- Channel IM 集成（飞书/钉钉）
- 自动记忆提取 + AutoDream 整合
- 修复 Bun 1.3.12 `@` 文件匹配和图片粘贴

### v1.0.0
- 多模型提供商支持（智谱GLM/豆包/DeepSeek）
- Auto Mode 解除全部门控
- `/mem` 轻量记忆系统
- `/multi-agent` 多模型协作
- 海洋深蓝 UI 主题

---

## 许可证

[MIT License](LICENSE) © 2025 ArtLjn

---

**Ocean CLI — 让 AI 开发更高效，更顺畅**

## Source & license

This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [ArtLjn](https://github.com/ArtLjn)
- **Source:** [ArtLjn/ocean-cc-cli](https://github.com/ArtLjn/ocean-cc-cli)
- **License:** MIT
- **Homepage:** https://github.com/ArtLjn/ocean-cc-cli#readme

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** yes
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: flagged — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/mcp-artljn-ocean-cc-cli
- Seller: https://agentstack.voostack.com/s/artljn
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.