Zum Hauptinhalt springen

Open-source CLI · local-first · MCP server

Schreibe denselben Review-Kommentar nie zweimal.

difflore verwandelt vergangene PR-Reviews und deine Korrekturen mitten in der Session in Regeln, denen deine Agents folgen — weniger wiederholte Kommentare, weniger Nacharbeit, kürzere Reviews.

Open-Source-Runtime

Starte lokal mit der CLI und dem MCP-Server. Kein Cloud-Konto erforderlich.

Team-Cloud

Füge ein Team-System of Record und gemeinsame Regel-Freigaben hinzu, sobald die zweite Person dazukommt.

Apache-2.0 · läuft lokal · kein Account · funktioniert mit 12 AI-Coding-Tools

So funktioniert es

So funktioniert es

Eine kleine Genehmigungsschleife, keine weitere Wissensdatenbank.

difflore bleibt nützlich, indem es den Regelsatz klein, quellenverknüpft und von den Code-Verantwortlichen freigegeben hält.

  1. 1

    Review-Historie importieren, Live-Korrekturen erfassen

    Beginnen Sie mit gemergten PR-Kommentaren, in denen Ihr Team bereits gesagt hat, was wichtig war; die Korrekturen aus Live-Agent-Sessions liefern laufend neue Kandidaten.

  2. 2

    Wiederverwendbare Regeln genehmigen

    Akzeptieren Sie nur Muster, die sich wiederholen sollen; einmalige Kommentare sehen Agents nie.

  3. 3

    Agents erhalten Regeln

    Claude, Codex, Cursor und MCP-Clients erhalten die genehmigte Regel, bevor sie ähnlichen Code anfassen.

Injection-Leitplanken, nachprüfbar in der Open-Source-Runtime

  • Jede Injection bleibt in einem harten Budget von ~1.500 Tokens.
  • Injiziert nach jedem Edit, mit 120-Sekunden-Dedup pro Datei — und bleibt automatisch still, wenn der Recall leer ist.
  • Strikte Isolation pro Repo: In einem Repo gelernte Regeln werden nie in einem anderen abgerufen.
  • Jede Injection wird mit Token-Kosten protokolliert; jedes Zitat eines Agents fließt als Telemetrie zurück.

Klein anfangen

Probieren Sie es an einem Repo aus, bevor Sie Ihren Workflow ändern.

Echte Review-Historie importieren, offensichtliche Gewinner genehmigen und erst erweitern, wenn die Regeln sich weiter als nützlich erweisen.

Importiert aus

Regeln erscheinen dort, wo dein KI-Coding-Assistent bereits läuft.

  • GitHub PR-Reviews

Agenten

  • Claude Code
  • OpenAI Codex
  • Cursor
  • Windsurf
  • Gemini CLI
  • Goose

Einführungspfad

  1. Mit der kostenlosen lokalen CLI starten
  2. Review-Verlauf eines Repos von GitHub importieren
  3. Cloud-Freigaben aktivieren, sobald ein Repo funktioniert
InstallationsanleitungPreise ansehen

Häufige Fragen

Akzeptiertes PR-Review-Feedback plus die Korrekturen aus euren Live-Coding-Sessions, die vom Team genehmigten Regeln und die Belege, die die Herkunft jeder Regel erklären.

Nein. Neue Kandidaten warten auf Genehmigung, sodass störende oder einmalige Kommentare abgelehnt werden können, bevor Agenten sie verwenden.

Claude Code, Codex, Cursor, Gemini CLI, Windsurf, Goose und die übrigen der 12 unterstützten AI-Coding-Tools — jeder Agent, der MCP- oder HTTPS-Kontext lesen kann, lässt sich verbinden.

Ja. Beginnen Sie mit CLI und GitHub-Import und fügen Sie das Cloud-Dashboard hinzu, wenn Ihr Team gemeinsame Regel-Freigaben braucht.

Commitete Kontextdateien veralten und haben keine Provenance. difflore behandelt CLAUDE.md, .cursor/rules und AGENTS.md als Exportflächen. Darunter hält das System of Record jede Regel menschlich freigegeben, bis zum ursprünglichen Review-Kommentar rückverfolgbar und nur auf passenden Pfaden ausgelöst.

Haben Sie Sicherheits- oder Enterprise-Fragen? [email protected]