从源码到可用5 步构建 code2prompt把整个代码库变成一条 LLM 提示词【免费下载链接】code2promptA CLI tool to convert your codebase into a single LLM prompt with source tree, prompt templating, and token counting.项目地址: https://gitcode.com/GitHub_Trending/co/code2promptcode2prompt 是一个用 Rust 编写的命令行工具给它一个代码目录它就把源码树、文件内容、Git 信息整合成一条结构化的 LLM 提示词顺带算出 token 消耗。以后再把代码贴给 ChatGPT、Claude就不用手动复制粘贴、手动排版了。这篇教程走一遍完整流程从零准备 Rust 环境克隆仓库用 cargo 编译安装最后实际跑通几个常用场景。先把 Rust 环境配好构建这个项目只需要两样东西Git 和 Rust 工具链包含 cargo。# Ubuntu / Debian sudo apt-get update sudo apt-get install git # macOS brew install git装完 Git 后再装 Rustcurl --proto https --tlsv1.2 -sSf https://sh.rustup.rs | shrustup 会自动把rustc和cargo放到 PATH 里装完用这两条确认一下版本rustc --version cargo --version能看到版本号就说明环境就绪。如果你机器上已经有 Rust这一步直接跳过。克隆仓库并编译安装 源码构建和直接用cargo install code2prompt装预编译包等价区别只是编译这一步由你自己执行。git clone https://gitcode.com/GitHub_Trending/co/code2prompt cd code2prompt先熟悉一下项目结构根目录Cargo.toml是一个 workspacecrates/code2prompt是可执行 CLIcrates/code2prompt-core是核心库文件遍历、.gitignore 规则、Git 元数据都在这里crates/code2prompt-python是 Python SDK 绑定。README.md 里有更完整的项目说明。编译并安装到本地~/.cargo/bincargo install --path crates/code2prompt这条命令会先编译再装进 cargo 的 bin 目录首次构建需要下载依赖并编译依赖树耐心等几分钟。如果code2prompt命令找不到执行一次source ~/.cargo/env或者重开终端。最后验证code2prompt --version能打出版本号安装就算完成了。跑通第一条命令生成提示词代码库提示词一次生成、反复使用这是它和每次手动贴文件最大的不同。code2prompt .把当前目录整个转成提示词结果默认打到终端。想存成文件给后续步骤用code2prompt path/to/project --output-file prompt.txt生成的内容不是简单的文件拼接它保留源码树结构按 Handlebars 模板渲染还会解析 CSV、Notebook、JSONL 这类非纯代码文件让 LLM 读起来更顺。用 glob 规则筛文件大项目里不可能把所有文件都塞进上下文code2prompt 提供 include / exclude 两套 glob 模式并且自动遵守.gitignore规则被忽略的文件不会混进来code2prompt . -i src/**/*.rs只收 Rust 源码。排除测试目录code2prompt . -e tests/**当 include 和 exclude 规则打架时用--include-priority让 include 优先。这个过滤器是控制提示词体积的第一道闸门比在 prompt 里叮嘱模型忽略测试代码有效得多。换个模板换个用途仓库自带的crates/code2prompt-core/templates/下有十几个现成的 Handlebars 模板写 commit 信息、生成 PR 描述、生成 README、找安全漏洞、修 bug……每个模板对应一种任务。code2prompt . -t crates/code2prompt-core/templates/write-git-commit.hbs想自定义任何.hbs文件都能直接喂给它变量占位符和核心库的数据结构对应skills/code2prompt/assets/code-map.hbs 里有一个代码地图式的模板可以参考。数一数提示词要花多少 token 上下文窗口有限发出去之前先估算一下成本很必要code2prompt . --tokens它用 tiktoken 按 OpenAI 模型的编码逐文件并行计数再加上模板本身的开销给出一个 token 估算。注意这是估算值——它不会把最终渲染好的完整提示词再整体重新计数JSON 输出外壳也不含在内数字仅供参考。-c可以把结果直接复制到剪贴板省去手动选择复制的步骤--full-directory-tree则会在提示词里列出完整目录树。进阶玩法TUI 和 Python SDK嫌敲参数麻烦的话不带参数直接运行code2prompt进入交互式 TUI界面里可以勾选文件、调模板、看 token 统计如果要把代码库喂给自动化脚本或 Agent还有 Python SDKpip install code2prompt-rs它对 Rust 核心库做了快速绑定适合接到 RAG 流水线里。此外项目还提供 MCP server 和给编码 Agent 用的 skill见 skills/code2prompt/SKILL.md整套生态围绕把代码库变成上下文这一件事展开最后检查一遍code2prompt --version有输出安装没问题第一条命令建议在小目录上跑确认输出格式符合预期大仓库先用-i/-e把范围收窄再用--tokens估算体积模板、过滤规则、TUI 三种用法可以随便组合。至此code2prompt 已经从源码装好并跑通接下来可以按具体任务挑一个内置模板生成第一条真正要发给模型的提示词。【免费下载链接】code2promptA CLI tool to convert your codebase into a single LLM prompt with source tree, prompt templating, and token counting.项目地址: https://gitcode.com/GitHub_Trending/co/code2prompt创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从源码到可用：5 步构建 code2prompt，把整个代码库变成一条 LLM 提示词
从源码到可用5 步构建 code2prompt把整个代码库变成一条 LLM 提示词【免费下载链接】code2promptA CLI tool to convert your codebase into a single LLM prompt with source tree, prompt templating, and token counting.项目地址: https://gitcode.com/GitHub_Trending/co/code2promptcode2prompt 是一个用 Rust 编写的命令行工具给它一个代码目录它就把源码树、文件内容、Git 信息整合成一条结构化的 LLM 提示词顺带算出 token 消耗。以后再把代码贴给 ChatGPT、Claude就不用手动复制粘贴、手动排版了。这篇教程走一遍完整流程从零准备 Rust 环境克隆仓库用 cargo 编译安装最后实际跑通几个常用场景。先把 Rust 环境配好构建这个项目只需要两样东西Git 和 Rust 工具链包含 cargo。# Ubuntu / Debian sudo apt-get update sudo apt-get install git # macOS brew install git装完 Git 后再装 Rustcurl --proto https --tlsv1.2 -sSf https://sh.rustup.rs | shrustup 会自动把rustc和cargo放到 PATH 里装完用这两条确认一下版本rustc --version cargo --version能看到版本号就说明环境就绪。如果你机器上已经有 Rust这一步直接跳过。克隆仓库并编译安装 源码构建和直接用cargo install code2prompt装预编译包等价区别只是编译这一步由你自己执行。git clone https://gitcode.com/GitHub_Trending/co/code2prompt cd code2prompt先熟悉一下项目结构根目录Cargo.toml是一个 workspacecrates/code2prompt是可执行 CLIcrates/code2prompt-core是核心库文件遍历、.gitignore 规则、Git 元数据都在这里crates/code2prompt-python是 Python SDK 绑定。README.md 里有更完整的项目说明。编译并安装到本地~/.cargo/bincargo install --path crates/code2prompt这条命令会先编译再装进 cargo 的 bin 目录首次构建需要下载依赖并编译依赖树耐心等几分钟。如果code2prompt命令找不到执行一次source ~/.cargo/env或者重开终端。最后验证code2prompt --version能打出版本号安装就算完成了。跑通第一条命令生成提示词代码库提示词一次生成、反复使用这是它和每次手动贴文件最大的不同。code2prompt .把当前目录整个转成提示词结果默认打到终端。想存成文件给后续步骤用code2prompt path/to/project --output-file prompt.txt生成的内容不是简单的文件拼接它保留源码树结构按 Handlebars 模板渲染还会解析 CSV、Notebook、JSONL 这类非纯代码文件让 LLM 读起来更顺。用 glob 规则筛文件大项目里不可能把所有文件都塞进上下文code2prompt 提供 include / exclude 两套 glob 模式并且自动遵守.gitignore规则被忽略的文件不会混进来code2prompt . -i src/**/*.rs只收 Rust 源码。排除测试目录code2prompt . -e tests/**当 include 和 exclude 规则打架时用--include-priority让 include 优先。这个过滤器是控制提示词体积的第一道闸门比在 prompt 里叮嘱模型忽略测试代码有效得多。换个模板换个用途仓库自带的crates/code2prompt-core/templates/下有十几个现成的 Handlebars 模板写 commit 信息、生成 PR 描述、生成 README、找安全漏洞、修 bug……每个模板对应一种任务。code2prompt . -t crates/code2prompt-core/templates/write-git-commit.hbs想自定义任何.hbs文件都能直接喂给它变量占位符和核心库的数据结构对应skills/code2prompt/assets/code-map.hbs 里有一个代码地图式的模板可以参考。数一数提示词要花多少 token 上下文窗口有限发出去之前先估算一下成本很必要code2prompt . --tokens它用 tiktoken 按 OpenAI 模型的编码逐文件并行计数再加上模板本身的开销给出一个 token 估算。注意这是估算值——它不会把最终渲染好的完整提示词再整体重新计数JSON 输出外壳也不含在内数字仅供参考。-c可以把结果直接复制到剪贴板省去手动选择复制的步骤--full-directory-tree则会在提示词里列出完整目录树。进阶玩法TUI 和 Python SDK嫌敲参数麻烦的话不带参数直接运行code2prompt进入交互式 TUI界面里可以勾选文件、调模板、看 token 统计如果要把代码库喂给自动化脚本或 Agent还有 Python SDKpip install code2prompt-rs它对 Rust 核心库做了快速绑定适合接到 RAG 流水线里。此外项目还提供 MCP server 和给编码 Agent 用的 skill见 skills/code2prompt/SKILL.md整套生态围绕把代码库变成上下文这一件事展开最后检查一遍code2prompt --version有输出安装没问题第一条命令建议在小目录上跑确认输出格式符合预期大仓库先用-i/-e把范围收窄再用--tokens估算体积模板、过滤规则、TUI 三种用法可以随便组合。至此code2prompt 已经从源码装好并跑通接下来可以按具体任务挑一个内置模板生成第一条真正要发给模型的提示词。【免费下载链接】code2promptA CLI tool to convert your codebase into a single LLM prompt with source tree, prompt templating, and token counting.项目地址: https://gitcode.com/GitHub_Trending/co/code2prompt创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考