$ loading_
让大模型通过递归拆解处理超长上下文，无需依赖外部 LLM API。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"RLM MCP Server" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 RLM MCP Server 递归拆解这个大型代码仓库的内容，按模块总结架构、关键依赖、主要入口文件和潜在重构点，最后给出整体技术概览。
输出分模块的代码库分析、总体架构总结，以及可执行的重构建议。
请用 RLM MCP Server 处理这批超长论文与报告，递归提取每份文档的核心观点、方法、结论与局限，并整合成一份对比综述。
输出多份资料的结构化摘要、差异对比和综合研究结论。
请借助 RLM MCP Server 阅读这份超长文档，先按章节递归拆解，再回答我关于关键条款、重要风险和执行要点的问题，并生成简明摘要。
输出基于全文的准确问答结果，以及分层摘要和重点清单。
为 AI 助手提供递归式大模型推理与代码执行，提升大上下文探索效率。
帮助开发者在超大代码库中进行跨上下文搜索、分析与变量化管理。
为 AI 编码代理提供持久沙箱，探索代码库并返回精简摘要以节省上下文。
分层分析大型代码库并生成可查询知识图谱，提升代码理解与检索效率
帮助用户全文与模糊检索本地文档，并直接读取已索引文件内容。
为 AI 编码代理提供持久记忆与语义找文件能力，跨会话延续开发上下文。