$ loading_
让大模型通过递归分解处理超长上下文，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 递归分解并分析这个大型代码仓库，先按目录和模块总结，再识别核心架构、关键依赖、主要风险点，并输出一份结构化技术概览。
一份按层级组织的代码库分析报告，包含模块摘要、架构说明、依赖关系和风险总结。
请用 RLM MCP Server 处理这批超长论文与笔记，递归拆解每份文档内容，提炼共同主题、关键结论、证据差异，并生成一份综合研究摘要。
一份跨文档整合摘要，涵盖主题聚类、核心观点、差异对比与结论。
请借助 RLM MCP Server 分层处理这套超长需求文档、会议记录和规范说明，识别主要需求、冲突点、待确认问题，并输出可执行的整理结果。
一份结构化业务文档分析，包含需求清单、冲突项、待办问题和整理建议。
为 AI 编码代理提供持久沙箱，便于在服务端探索代码库并返回精简摘要。