PaiCLI Agent 如何写到简历上，类似Claude Code的Java版本 CLI Agent

PaiCLI-Python｜终端 Coding Agent｜核心开发者 2026.03 - 2026.07

项目简介：面向本地软件研发场景的终端 Coding Agent，对标 Claude Code，支持自然语言驱动代码检索、文件修改、命令执行与问题调试，并提供 ReAct、Multi-Model、MCP、长期记忆、上下文压缩及安全审批等能力。

技术栈：Python 3.11+、ReAct、httpx、MCP SDK、SQLite、BM25、prompt-toolkit、Rich、Typer

核心职责：

• 设计统一 Model Provider 适配层，基于 httpx AsyncClient + async/await 实现非阻塞流式推理，统一 DeepSeek、OpenAI、GLM、Kimi、Step 等 5 家模型的请求、SSE 事件与异常处理；针对 DeepSeek 百万 Token 上下文适配长上下文调用与 Prefix Cache，降低重复前缀处理开销。

• 实现 ReAct Agent Runtime，支持最多 20 轮自主推理与 Tool Calling，并统一管理 15 个文件、命令及代码检索等内置工具；为 Tool 标记只读与并发安全属性，由调度器并行执行无副作用操作、串行处理写操作。

• 基于 MCP SDK 接入外部工具生态，兼容 stdio / HTTP 两种传输方式，并根据任务按需裁剪 Tool Schema，减少无关工具定义占用上下文；针对文件修改、Shell 执行等高风险 Tool 增加 HITL 人工审批，限制 Agent 自主操作范围。

• 设计短期会话、长期知识与上下文摘要三层 Memory，使用 SQLite 持久化跨 Session 事实与项目信息，并结合 BM25 + 向量相似度按当前任务动态召回；针对长对话采用边界感知 Compactor，在保证 Tool Call / Result 完整性的前提下压缩历史消息并重新注入摘要，避免长任务持续挤占上下文窗口。

• 统一管理对话、事实、摘要、工具结果 4 类 Memory，通过 Token Budget 控制上下文容量，超出阈值后优先归档历史内容并保留压缩摘要；结合内容去重、关键词检索与启动恢复，使用户偏好及项目知识能够跨 Session 持续复用。

• 实现 Agent 安全执行机制，通过 Command Guard 拦截危险 Shell 操作、Path Guard 限制文件访问范围，并记录完整 Tool Audit Log；高风险命令与文件修改必须经过人工确认，降低 Agent 误操作对本地开发环境的影响。

PaiCLI Agent AI应用开发 2026-05 ～ 2026-06

项目描述：类似 Claude Code 的终端 Agent CLI，支持 ReAct 推理、Multi-Agent 协作、MCP 工具集成、三层记忆系统、RAG 代码库检索等，可在终端中通过自然语言驱动代码开发和调试。

技术栈：Java 21、JLine 4、SQLite、JGit、Chrome DevTools Protocol、Jieba、OkHttp、Ollama

核心职责：

• 基于 ripgrep + Glob + read_file 的组合实现 Agentic Search 的精确检索，单次搜索延迟控制在 200ms 内；并以 RAG search_code 工具作为语义检索兜底，提升仓库代码定位与分析效率。
• 基于 ReAct 实现 Agent 推理，支持并行执行和动态 Token 预算，上下文压缩算法会在 90% 上下文占用时自动触发摘要压缩。
• 设计长任务持久化方案，基于 SQLite 存储任务状态，后台 Worker 线程池异步执行，支持进程重启后自动恢复未完成任务。
• 实现三层记忆系统：短期记忆管理当前对话、长期记忆用 SQLite 持久化跨会话知识、Compactor 做边界感知的上下文压缩，支持 BM25 + 余弦相似度混合检索。
• 集成 MCP 接入外部工具生态，支持 stdio/HTTP 双传输协议和 Schema 自动裁剪，并通过 HITL 审批机制实现工具调用的安全管控。
• 构建 Plan-and-Execute + Multi-Agent 架构，Planner 将复杂任务拆解为 DAG，Worker 并行执行，Reviewer 审核质量并支持自动重试，最大并行 4 线程。
• 基于 ReAct 模式实现 Agent 核心循环，通过 ToolRegistry 动态注册 9 个内置工具 + 60+ MCP 外部工具，工具选择由 LLM Function Calling 驱动
• 实现 Plan-and-Execute 模式，通过 DAG 拓扑排序管理子任务依赖，同批次任务并行执行，单任务失败时下游依赖自动 SKIP 不阻塞独立任务
• 同一轮...