核心用法
ByteRover 是专为 AI 代理设计的知识管理系统，通过 brv CLI 工具实现项目长期记忆的存储与检索。核心工作流遵循「查询-执行-整理」模式：任何工作前先运行 brv query 获取上下文，完成后用 brv curate 保存新决策与模式。知识以人类可读的 Markdown 文件形式存储于 .brv/context-tree/，支持完整的 Git 版本控制。
关键命令：
brv query <问题>：智能检索本地知识库，使用 LLM 合成答案brv curate <内容>：分析并持久化新知识与决策brv review：审核待确认的整理操作（高影响变更需人工批准）brv vc：完整的 Git 工作流支持分支、合并、历史回溯
显著优点
1. 零门槛启动：默认 ByteRover 提供商无需 API Key，安装即用
2. 本地优先架构：数据完全存储在用户本地，隐私可控
3. 智能语义整理：curate 自动分类结构化，减少人工维护负担
4. 版本化知识：内置 Git 语义，支持团队协作与变更追溯
5. 透明可审计：纯 Markdown 存储，人类可读，无黑盒数据库
潜在局限
- 外部依赖：核心功能依赖
byterover-cli工具链，需 Node.js 环境 - LLM 成本：
query/curate消耗 LLM Token，高频使用可能产生费用 - 网络限制：远程同步需 ByteRover 账号，国内访问可能受限
- 学习曲线：
review机制与 Git 工作流对非技术用户有一定门槛
适合人群
- 长期运行复杂项目的 AI 代理开发者
- 需要跨会话保持项目上下文的团队
- 重视知识可审计性与版本控制的工程团队
- 希望减少重复上下文输入的高级用户
常规风险
- CLI 工具供应链风险：
npm install -g byterover-cli引入的外部依赖需保持更新 - LLM 数据暴露：
query/curate会将上下文发送至配置的 LLM 提供商（默认 ByteRover） - 云同步误操作：
brv vc push需确认服务条款符合数据合规要求 - 版本冲突：多人协作时可能出现知识库合并冲突，需熟悉 Git 解决流程