1. 角色定义与核心目标 核心角色: Architect Mode 将 Roo AI 转变为一个经验丰富的技术领导者或架构师。 核心目标: 规划先行。此模式不负责具体的代码实现，而是专注于在开发开始前，进行需求分析、技术规划和架构文档的撰写。其最终产出是一份需要用户审查和批准的详细计划。 2. 核心能力 (Primary Capabilities) Architect Mode 的能力完全围绕“规划”这一核心展开： 需求分析 (Requirements Analysis): 收集和分析项目需求与约束。 技术规划 (Technical Planning): 创建详细的、分步走的实施计划。 架构文档 (Architecture Documentation): 记录架构决策和设

1. 角色定义与核心目标 核心角色: Debug Mode 将 Roo AI 转变为一个专业的软件调试专家。 主要目标: 专注于系统性的问题诊断和解决。它强调结构化的方法，而不是即兴的、猜测性的修复。 2. 核心调试能力 (Six Primary Capabilities) Debug Mode 具备六大核心能力，这些能力共同构成了一个完整的、从分析到验证的调试闭环： 系统性问题分析 (Systematic Problem Analysis): 结构化地识别和分类潜在的根本原因。 代码审查与调试 (Code Inspection and Debugging): 深入检查源代码、配置和系统状态。 日志分析 (Log Analysis): 处理和解读系统日志、错误信

1. 角色定义与核心目标 核心角色: Code Mode 将 Roo AI 转变为一个经验丰富的软件工程师。 主要目标: 专注于实现、分析和管理源代码。它专为纯粹的软件开发任务而设计，与负责基础设施的 DevOps 模式和负责排错的 Debug 模式形成互补。 2. 核心软件工程能力 Code Mode 具备一系列为软件开发量身定制的能力，这些能力主要通过基础工具实现： 代码实现 (Code Implementation): 使用 write_to_file 和 read_file 编写和修改代码。 文件操作 (File Operations): 使用 list_files 和 search_files 管理项目文件。 CLI 命令执行 (CLI Command Execution): 使用 execute_command 运行构建命令、测试脚本

1. 角色定义与核心目标 核心角色: DevOps 模式将 Roo AI 转变为一个专业的 DevOps 工程师。 主要目标: 专注于基础设施自动化和卓越运营。其行为和能力由 .roo/system-prompt-devops 文件精确定义。 2. 七大核心能力与专长 DevOps 模式被赋予了七个关键的专业领域能力，这是该模式功能的核心： 基础设施自动化 (Infrastructure Automation): 自动化资源配置，遵循基础设施即代码 (IaC) 原则。 CI/CD 管道管理 (CI/CD Pipeline Management): 设计、优化和编排构建与部署流水线。 容器编排 (Container Orchestration): 管理容器平台（如 Kubernetes）、服务网格和容器安全

1. 什么是操作模式 (Operational Modes) 核心定义：操作模式是为 AI 实体 “Roo” 设计的专业化行为上下文。 作用：将通用的 AI 转变为一个特定领域的专家，例如 DevOps 工程师、程序员或项目经理。 带来的好处： 2. 双层配置系统 (Two-Layer Configuration System) 模式的定义通过两层配置文件共同完成，实现了结构与行为的分离。 第一层：.roomodes 文件 (结构定义) 第二层：.roo/system-prompt-{slug} 文件 (行为定义) 3. 能力组与权限 (Capability Groups and Permissions) 核心机制：通过在 .roomodes 中为

1. 分层架构 (Layered Architecture) RooLite 的架构分为三个清晰的层次，实现了配置、控制和执行的分离： 配置层 (Configuration Layer)： 控制层 (Control Layer)： 执行层 (Execution Layer)： 2. 运行时行为与执行流程 (Runtime Behavior & Execution Flow) 系统遵循一个确定性的、分步执行的生命周期。 会话生命周期 (Session Lifecycle)： 3. 工具系统架构 (Tool System Architecture) 强制初始化: 任何会话都必须以读取 tools_guide 开始，这是建立可用工具上下文的强制步骤。 工具分类: XML 协议: 所有工具交互都严格遵守标准的 XML 格式，由行

1. 行为控制框架 (Behavioral Control Framework) 这是 RooLite 的核心，用于确保 AI 的行为一致、安全且可预测。 CORE_RULES** (核心规则)**： 工具使用指南 (Tool Usage Guidelines)： 2. 标准化的 XML 工具接口 RooLite 强制使用统一的 XML 格式来调用所有工具，以实现标准化和易于解析。 结构：所有工具调用都必须包裹在 <tool_name> 标签内，参数则在内部的子标签中定义。 示例： 3. 访问控制与安全 (Access Control & Security) 系统通过多层机制保障安全。 文件系统安全： 权限组 (Permission Groups)： 4. 操作模式的详细定义 (Operational Mode System)

1. 核心目标与定位 RooLite 是一个模块化的 AI 助手系统。 其主要设计目标是 实现高效率的Token使用 和 提供专业化的操作能力。 它解决了传统 AI 助手将所有工具和文档一次性加载，导致 Token 消耗过高的问题。 2. 核心架构与机制 操作模式 (Operational Modes)：这是系统的核心。AI 实体 “Roo” 可以切换到不同的专业模式（如 code, devops, debug）。每种模式都有预设的行为、角色定义和工具使用权限。 动态工具加载 (Dynamic Tool Loading)：系统不会预加载所有工具。相反

我已经使用 Cursor 超过 6 个月了，我发现如果正确且深思熟虑地使用它，它是一个非常有帮助且强大的工具。在这 6 个月中，通过许多有趣的个人项目和一些生产级项目，以及超过 2500 多个提示，我学到了许多技巧和窍门，这些技巧使开发过程变得更加轻松和快速，帮助你在代码库变大时也能保持良好的氛围，减少痛苦。我想为任何新手制作一份指南，将所有内容集中在一篇文章中，方便在需要指导时随时参考！ 1. 明确定义你的愿景 从一个清晰、详细的愿景

我在 Roo Code 智能体框架内重建了一个 OpenAI 内部深度研究工作流的迷你版本。 它链接着 MCP 服务器: Brave Search (广泛搜索), Tavily (深度搜索), 以及 Think‑MCP (结构化推理), 并可选择性地使用 Memory‑Bank 保存上下文。结果会自动保存到一个 .md 格式的报告中。 Prompt（在自定义模式下使用）： ────────────────────────────────────────────── DEEP RESEARCH PROTOCOL ──────────────