github.com/CHfaithwy/Lumo @main

Lumo 是一个运行在本地代码仓库里的轻量级 Coding Agent。它可以在你的项目目录中读取文件、搜索代码、修改文件、运行命令，并通过多轮对话持续完成代码理解、问题排查、功能修改和项目整理等任务，支持持久记忆、trace自进化、分层skill。

安装

需要 Python 3.10 或更高版本。

进入项目根目录后安装：

pip install -e .

安装完成后可以使用：

lumo --help

如果你修改了项目源码，通常不需要重新安装；如果修改了 pyproject.toml 里的依赖或命令入口，再重新执行一次：

pip install -e .

分层 Skill

可复用工作流放在当前工作区的以下目录中：

.lumo/skills/<类别>/<skill 名称>/SKILL.md

每个类别目录需要在同一层放置一个 CATEGORY.md，说明该类别的适用场景，并列出类别中的 skill：

.lumo/skills/DocumentsAndAnalysis/
  CATEGORY.md
  pdf/SKILL.md
  docx/SKILL.md

CATEGORY.md 推荐按以下格式书写：

---
description: 文档创建、读取和分析相关的工作流。
---

Skills:
- pdf
- docx

类别名和 skill 名仅使用英文字母、数字、- 或 _。description 应简洁说明类别用途；Skills: 描述当前目录下的所有skill名称。

使用 /skills 可以按类别查看当前工作区的全部 skill。

Trace2Skill

CLI 空闲时会批量进行一次结构化提炼，每个进程会话最多调用一次模型，不会恢复旧工作区、重复执行任务或额外运行测试。生成的 Skill 保存在：

.lumo/skills/learned/<skill 名称>/
  SKILL.md
  metadata.json

配置模型

复制 .env.example 为 .env：

cp .env.example .env

Windows PowerShell 可以使用：

Copy-Item .env.example .env

然后在 .env 中填写你要使用的模型服务。

OpenAI-compatible 示例：

LUMO_OPENAI_API_BASE=
LUMO_OPENAI_MODEL=

DeepSeek 示例：

LUMO_DEEPSEEK_API_BASE=
LUMO_DEEPSEEK_API_KEY=
LUMO_DEEPSEEK_MODEL=

Anthropic-compatible 示例：

LUMO_ANTHROPIC_API_BASE=
LUMO_ANTHROPIC_API_KEY=
LUMO_ANTHROPIC_MODEL=

如果你使用本地 Ollama，可以不配置 API key，直接指定 provider：

lumo --provider ollama --host http://127.0.0.1:11434 --model qwen3.5:4b

注意：不要把真实 .env 提交到 Git 仓库。

使用方式

在当前目录启动交互模式：

lumo --provider openai --cwd .

指定另一个项目目录：

lumo --provider openai --cwd E:\your\project

执行一次性任务：

lumo --provider openai --cwd . "帮我总结这个项目的结构"

恢复最近一次会话：

lumo --resume latest

常用参数：

lumo --provider openai
lumo --provider deepseek
lumo --provider anthropic
lumo --provider ollama
lumo --model gpt-5.4
lumo --base-url https://XXXX/v1
lumo --approval auto
lumo --max-steps 8

交互命令

进入 Lumo 交互模式后，可以使用这些命令：

/help      查看帮助
/memory    查看当前记忆摘要
/skills    按类别查看当前工作区的所有 skill
/session   查看当前 session 文件路径
/reset     清空当前会话状态
/exit      退出

项目指令 lumo.md

你可以在项目根目录创建 lumo.md，用来告诉 Lumo 这个项目的固定规则。

示例：

# Lumo Instructions

- 使用中文回答。
- 修改代码前先阅读相关文件。
- 写完代码后说明修改了哪些内容。
- 如果运行了测试，请在最终回复中说明测试命令。

本地数据

Lumo 会在当前工作区下创建 .lumo/ 目录，用来保存本地运行数据：

.lumo/
  sessions/    会话记录
  runs/        每次运行的 task_state.json、trace.jsonl
  memory/      跨会话长期记忆
  skills/      人工 Skill 与 Trace2Skill 生成的 learned Skill
  python-env/  普通 Python shell 命令使用的工作区隔离环境