Che cos'è gemini-rlm-min?
Implementazione minima di Recursive Language Models (RLM) utilizzando Gemini 2.0 Flash e un REPL Python locale. Abilita l'elaborazione di contesti massicci tramite Gemini CLI. Fonte: starwreckntx/irp__methodologies-.
Implementazione minima di Recursive Language Models (RLM) utilizzando Gemini 2.0 Flash e un REPL Python locale. Abilita l'elaborazione di contesti massicci tramite Gemini CLI.
Installa rapidamente la skill AI gemini-rlm-min nel tuo ambiente di sviluppo tramite riga di comando
Fonte: starwreckntx/irp__methodologies-.
Purpose: Provide a lightweight, CLI-based implementation of the Recursive Language Model architecture using Google's Gemini models. This skill allows for processing extremely large documents by orchestrating chunking, sub-LLM processing, and synthesis entirely via a Python script and the Gemini API.
| Root LLM | gemrlm.py (Orchestrator) | Gemini 2.0 Flash | | Sub-LLM | gemrlm.py (Chunk Processor) | Gemini 2.0 Flash | | External Environment | scripts/rlmrepl.py | Python 3 |
This skill serves as a high-speed, low-overhead alternative to the full rlm-context-manager when:
Implementazione minima di Recursive Language Models (RLM) utilizzando Gemini 2.0 Flash e un REPL Python locale. Abilita l'elaborazione di contesti massicci tramite Gemini CLI. Fonte: starwreckntx/irp__methodologies-.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/starwreckntx/irp__methodologies- --skill gemini-rlm-minImplementazione minima di Recursive Language Models (RLM) utilizzando Gemini 2.0 Flash e un REPL Python locale. Abilita l'elaborazione di contesti massicci tramite Gemini CLI. Fonte: starwreckntx/irp__methodologies-.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/starwreckntx/irp__methodologies- --skill gemini-rlm-min Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/starwreckntx/irp__methodologies-