RepoChat 200k

200k中的仓库 - 没有抹布！

chat使用Claude的200k上下文窗口而不是抹布！

为什么要涂鸦 - 没有抹布？

利用Claude 200k！将所有示例和代码放在上下文中！

有时我们需要副代理而不是代理！

1。不仅聊天，还可以用最新文档编写代码

麻烦是否记住骆驼 - 索引或兰班的所有API？

不用担心，只需包含组件示例和存储库中的文档，让Claude Opus（200K的最强模型和长上下文窗口）为您写代理！

2。没有复制糊，只需选择

从github下载/克隆您的存储库，然后选择要的文件，我在构造提示时让您覆盖您。

3。没有抹布，你决定

我看过很多与回购项目聊天，它们都有痛苦的点：

Which files do this query need?

他们在代码数据库中使用嵌入式搜索，但是大多数情况下，我已经知道我要引用的文档...因此，每次编码时每次选择自己的选择。

• 编码前端？只需选择组件和示例即可。

• 编码代理？只需选择Langgraph的Jupyter笔记本即可。

• 编码抹布？只需选择LlamainDex的Jupyter笔记本即可。

4。更多用例！

使用LlamainDex Doc

选择管道的Llamaindex示例编写抹布图。

使用shadcn文档编写前端

选择示例和组件定义。

建议！

1. 您可以在大多数情况下使用haiku。
2. 根据任务更改模型。
3. 根据任务更改文件。
4. 您喜欢的克隆回购！
5. 通常我会包括Readme of Repo，以帮助Claude更好地理解
6. 使用侧边栏上的COUNT TOKENS ，查看您将发送多少个令牌！！！

特征

1. 存储库下载：用户可以提供GITHUB存储库URL，并且该应用程序将自动下载和分析存储库。
2. 文件和文件夹选择：用户可以从存储库中选择特定的文件或文件夹，以在LLM的输入中包含。
3. 语言过滤：用户可以通过编程语言过滤文件，以将LLM的理解集中在代码库的特定部分上。
4. 令牌限制：用户可以设置令牌限制以控制发送给LLM的信息的量，这对于性能或成本考虑很有用。
5. 聊天接口：用户可以通过聊天式接口与LLM进行交互，使他们可以根据存储库内容提出问题或请求代码生成。
6. 流输出输出：LLM的响应以流方式显示，提供了更具吸引力和实时的用户体验。

目前，我只支持OpenRouter。计划有一天添加更多和重构。

开始

1. 环境设置：运行pip install -r requirements.txt以设置环境。

2. 创建一个.env文件：在项目的根目录中创建.env文件，并添加您的OpenRouter API密钥（建议）：

OPENROUTER_API_KEY=your_openrouter_api_key_here

我推荐OpenRouter，因为它具有所有型号！

如果您想使用OpenAI GPT型号，请添加openai api key 。

OPENAI_API_KEY=your_openai_api_key_here

3. 运行应用程序：使用shatlit运行app.py脚本：

streamlit run app.py

4. 使用该应用程序：按照应用程序中的说明下载GitHub存储库，选择文件和文件夹，并与LLM聊天。

如果您遇到回购问题，则可以随时删除repo dir ./repos dir并再次下载。

配置

可以通过以下配置选项自定义应用程序的行为：

• 模型：要使用的特定LLM模型（例如，“拟人/Claude-3-Haiku”，“人类/Claude-3-opus”）。
• 温度：控制LLM响应的“创造力”的温度参数。
• 系统提示：授予LLM的初始提示以设置所需的行为。

可以在简化应用程序的侧边栏中调整这些设置。

贡献

如果您想为Repochat-200k项目做出贡献，请随时提交问题或在GitHub存储库上提取请求。

执照

该项目已根据MIT许可获得许可。