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，它会根据当前选择的模式，按需加载对应的工具模块（存放于
.tool_modules/ 目录）。
- 按需文档检索 (On-demand Documentation)：与工具加载类似，相关的文档和指南也是在需要时才被引入上下文，极大地节省了 Token。
- 权限与安全 (Access Control)：每个操作模式都关联了特定的权限组（
groups），严格控制 AI 在该模式下能访问的工具（如文件读写、命令执行、网页浏览等）。
3. 关键组件与文件结构#
- Roo 实体 (Roo Entity)：中央自适应 AI，其行为和能力随模式而改变。
.roomodes** 文件**: 核心配置文件，用于定义所有可用的操作模式、它们的名称、角色描述以及权限组。.roo/** 目录**: 存放系统的核心提示（System Prompts）和行为规则，确保 AI 在不同模式下行为的一致性。.tool_modules/** 目录**: 存放所有工具的定义和指南。系统通过读取此目录下的文件来了解可用工具。- MCP (Master Control Program)：一个用于集成外部服务（如 Jira, Confluence, Brave Search）的扩展系统，增强了 RooLite 的能力。
4. 工作流程 (Operational Workflow)#
- 初始化 (Initialization)：会话开始时，必须先读取工具指南，明确当前可用的能力。
- 模式确定 (Mode Determination)：根据任务需求，选择一个最合适的操作模式。
- 权限验证 (Access Validation)：系统验证即将执行的操作是否符合当前模式的权限。
- 执行与控制 (Execution Control)：在用户的确认下，逐步执行任务。
- 模式切换 (Mode Transition)：根据任务进展，可以动态地从一个模式切换到另一个模式。
5. 主要设计原则#
- 模块化 (Modularity)：组件独立，易于配置和扩展。
- 效率 (Efficiency)：通过动态加载和模式限制，最大限度地减少 Token 消耗。
- 安全 (Security)：严格的访问控制，防止未授权的操作。
- 可扩展性 (Extensibility)：通过 MCP 轻松集成新的外部服务。
- 行为一致性 (Behavioral Consistency)：通过系统提示确保 AI 在特定模式下的行为是可预测和可靠的。