GPL-3.0, 249 contributors.
Helps anyone running agents on big, multi-file codebases.
Honest limit: some languages need extra installs, and on tiny edits your agent's built-ins are just as good.
#OpenSource
oraios/serena
1 like · 8 views
🧠 چطور به AI کمک کنیم بدون خواندن کل مخزن GitHub، پروژه رو بهتر درک کنه؟
ابزار Serena یک MCP متنباز و کاربردیه که قابلیتهای یک IDE رو در اختیار Agentهای کدنویسی مثل Claude Code و Codex قرار میده.
🔗 لینک GitHub:
oraios/serena
چه کاری انجام میده؟
وقتی یک پروژه رو به Agent میدی، Serena بهش کمک میکنه ساختار کد رو بررسی کنه و بهجای خواندن بیهدف تمام فایلها، سراغ بخشهای مرتبط بره:
- پیدا کردن توابع، کلاسها و متغیرها (Symbols)
- شناسایی ارتباط بین بخشهای مختلف کد
- پیدا کردن محل استفاده از هر تابع یا متغیر
- بررسی وابستگیها و ساختار پروژه
- ویرایش و بازنویسی کد با درک ساختار واقعی اون
چرا مهمه؟
بهجای اینکه Agent کل مخزن رو یکجا وارد Context کنه، میتونه اطلاعات موردنیازش رو هدفمند پیدا کنه. این یعنی استفاده بهینهتر از Context و کاهش اطلاعات اضافی، بهخصوص در پروژههای بزرگ.
Serena خودش مدل هوش مصنوعی نیست؛ از طریق MCP به ابزارهایی مثل Claude Code و Codex متصل میشه و امکانات تحلیل و ویرایش کد رو در اختیارشون قرار میده.
📌 اگر با مخزنهای بزرگ GitHub و ابزارهای کدنویسی AI کار میکنی، Serena ارزش امتحان کردن داره.
3 likes · 204 views
GPT-6 Astra 的自主循环太猛了!
把一个 GitHub 仓库交给一个 Astra
oraios/serena
一晚上过去,它趁你睡觉就把一天大约 5 小时的工作量干完了。
它先解析整个代码库,
只找出「Astra 现在真正该读的文件、符号和依赖关系」。
不让它一上来就把巨型仓库全读一遍。
光这一步就能省掉大量 Context 浪费。
34 likes · 5 reposts · 3,965 views
📌 영상에 나온 도구 링크 모음입니다!
1. 포니테일 (Ponytail)
DietrichGebert/ponytail
2. 케이브맨 (Caveman)
JuliusBrussee/caveman
3. RTK
rtk-ai/rtk
4. 헤드룸 (Headroom)
headroomlabs-ai/headroom
5. 컨텍스트 모드 (Context Mode)
mksglu/context-mode
6. 세레나 (Serena)
oraios/serena
7. 토큰 옵티마이저 (Token Optimizer)
alexgreensh/token-optimizer
9 likes
개발자들이 먼저 깔았다..꼭 알아야 할 토큰 절약 도구 깃허브 TOP 7(깃허브 ★51만)
AI 코딩할 때 토큰이 새는 네 군데(쓰는 양·읽는 양·찾아 헤맴·내 설정)와, 그걸 막으려고 개발자들이 만든 깃허브 도구 7개를 정리했습니다.
00:00 오프닝
00:28 포니테일
01:47 케이브맨
02:54 RTK
04:15 헤드룸
05:27 컨텍스트 모드
06:31 세레나
07:39 토큰 옵티마이저
08:39 마무리
📌 영상에 나온 도구 링크
1. 포니테일 (Ponytail)
DietrichGebert/ponytail
2. 케이브맨 (Caveman)
JuliusBrussee/caveman
3. RTK
rtk-ai/rtk
4. 헤드룸 (Headroom)
headroomlabs-ai/headroom
5. 컨텍스트 모드 (Context Mode)
mksglu/context-mode
6. 세레나 (Serena)
oraios/serena
7. 토큰 옵티마이저 (Token Optimizer)
alexgreensh/token-optimizer
[en-US] Developers' Must-Have Token Saving Tools: Top 7 GitHub Repos (517K Stars)
I have summarized the four places where tokens leak when coding with AI (writing volume, reading volume, searching, and my settings), and seven GitHub tools created by developers to prevent them.
I have compiled a list of these tools. 00:00 Opening
00:28 Ponytail
01:47 Caveman
02:54 RTK
04:15 Headroom
05:27 Context Mode
06:31 Serena
07:39 Token Optimizer
08:39 Wrap-up
📌 Links to tools featured in the video
1. Ponytail
DietrichGebert/ponytail
2. Caveman
JuliusBrussee/caveman
3. RTK
rtk-ai/rtk
4. Headroom
headroomlabs-ai/headroom
5. Context Mode
mksglu/context-mode
6. Serena (Serena)
oraios/serena
7. Token Optimizer
alexgreensh/token-optimizer
[id] Alat Penghemat Token Wajib Punya Pilihan Pengembang (Total 517 Ribu Bintang di GitHub) TOP 7
Saya telah merangkum empat tempat di mana token bocor saat melakukan pengkodean dengan AI (volume penulisan, volume pembacaan, pencarian, dan pengaturan saya), dan tujuh alat GitHub yang dibuat oleh pengembang untuk mencegahnya.
Saya telah menyusun daftar alat-alat tersebut. 00:00 Pembukaan
00:28 Ponytail
01:47 Caveman
02:54 RTK
04:15 Headroom
05:27 Context Mode
06:31 Serena
07:39 Token Optimizer
08:39 Penutup
📌 Tautan ke alat yang ditampilkan dalam video
1. Ponytail
DietrichGebert/ponytail
2. Caveman
JuliusBrussee/caveman
3. RTK
rtk-ai/rtk
4. Headroom
headroomlabs-ai/headroom
5. Context Mode
mksglu/context-mode
6. Serena (Serena)
oraios/serena
7. Token Pengoptimal
alexgreensh/token-optimizer
258 likes · 11 comments · 25,737 views
@goan999999 更新一下提示词:
请阅读 Serena 官方文档 oraios/serena 和
oraios.github.io 一节),然后:
1. 检查是否已安装 uv,没有则按官方方式安装
2. 用 `uv tool install -p 3.13 serena-agent` 安装,运行 `serena init` 验证
3. 优先用 `serena setup codex` 配置;如需手动,只在 ~/.codex/config.toml 里追加
[mcp_servers.serena] 段,保留现有所有 MCP 配置,修改前先备份原文件
4. 按官方文档配置 ~/.codex/hooks.json(activate / remind / reset / cleanup);
如果已有 hooks.json,合并进去,不要覆盖
5. 不要使用 MCP 市场或旧的 uvx git 安装方式
6. 完成后告诉我改了哪些文件、怎么用 /mcp 验证
而且吧90%的节省量,估计就是博眼球的
3 likes · 383 views
@typecraft_dev I've been using serena oraios/serena for this among other things for some time
1 like · 162 views
Serena: A powerful MCP toolkit for coding, providing semantic retrieval and editing capabilities - the IDE for your agent (30k stars)
What it does
All text below is quoted directly from the project README.
>Serena provides essential semantic code retrieval, editing, refactoring and debugging tools that are akin to an IDE's capabilities, operating at the symbol level and exploiting relational structure.
Serena's agent-first tool design involves robust high-level abstractions, distinguishing it from approaches that rely on low-level concepts like line numbers or primitive search patterns.
Practically, this means that your agent operates faster, more efficiently and more reliably, especially in larger and more complex codebases.
While it is humans who download and set up Serena, our end users are essentially AI agents. As the ones actually applying Serena's tools, they are in the best position to evaluate Serena.
Repository
oraios/serena
1 point
Mentions
GPL-3.0, 249 contributors. Helps anyone running agents on big, multi-file codebases. Honest limit: some languages need extra installs, and on tiny edits your agent's built-ins are just as good. #OpenSource oraios/serena
🧠 چطور به AI کمک کنیم بدون خواندن کل مخزن GitHub، پروژه رو بهتر درک کنه؟ ابزار Serena یک MCP متنباز و کاربردیه که قابلیتهای یک IDE رو در اختیار Agentهای کدنویسی مثل Claude Code و Codex قرار میده. 🔗 لینک GitHub: oraios/serena چه کاری انجام میده؟ وقتی یک پروژه رو به Agent میدی، Serena بهش کمک میکنه ساختار کد رو بررسی کنه و بهجای خواندن بیهدف تمام فایلها، سراغ بخشهای مرتبط بره: - پیدا کردن توابع، کلاسها و متغیرها (Symbols) - شناسایی ارتباط بین بخشهای مختلف کد - پیدا کردن محل استفاده از هر تابع یا متغیر - بررسی وابستگیها و ساختار پروژه - ویرایش و بازنویسی کد با درک ساختار واقعی اون چرا مهمه؟ بهجای اینکه Agent کل مخزن رو یکجا وارد Context کنه، میتونه اطلاعات موردنیازش رو هدفمند پیدا کنه. این یعنی استفاده بهینهتر از Context و کاهش اطلاعات اضافی، بهخصوص در پروژههای بزرگ. Serena خودش مدل هوش مصنوعی نیست؛ از طریق MCP به ابزارهایی مثل Claude Code و Codex متصل میشه و امکانات تحلیل و ویرایش کد رو در اختیارشون قرار میده. 📌 اگر با مخزنهای بزرگ GitHub و ابزارهای کدنویسی AI کار میکنی، Serena ارزش امتحان کردن داره.
GPT-6 Astra 的自主循环太猛了! 把一个 GitHub 仓库交给一个 Astra oraios/serena 一晚上过去,它趁你睡觉就把一天大约 5 小时的工作量干完了。 它先解析整个代码库, 只找出「Astra 现在真正该读的文件、符号和依赖关系」。 不让它一上来就把巨型仓库全读一遍。 光这一步就能省掉大量 Context 浪费。
📌 영상에 나온 도구 링크 모음입니다! 1. 포니테일 (Ponytail) DietrichGebert/ponytail 2. 케이브맨 (Caveman) JuliusBrussee/caveman 3. RTK rtk-ai/rtk 4. 헤드룸 (Headroom) headroomlabs-ai/headroom 5. 컨텍스트 모드 (Context Mode) mksglu/context-mode 6. 세레나 (Serena) oraios/serena 7. 토큰 옵티마이저 (Token Optimizer) alexgreensh/token-optimizer
개발자들이 먼저 깔았다..꼭 알아야 할 토큰 절약 도구 깃허브 TOP 7(깃허브 ★51만) AI 코딩할 때 토큰이 새는 네 군데(쓰는 양·읽는 양·찾아 헤맴·내 설정)와, 그걸 막으려고 개발자들이 만든 깃허브 도구 7개를 정리했습니다. 00:00 오프닝 00:28 포니테일 01:47 케이브맨 02:54 RTK 04:15 헤드룸 05:27 컨텍스트 모드 06:31 세레나 07:39 토큰 옵티마이저 08:39 마무리 📌 영상에 나온 도구 링크 1. 포니테일 (Ponytail) DietrichGebert/ponytail 2. 케이브맨 (Caveman) JuliusBrussee/caveman 3. RTK rtk-ai/rtk 4. 헤드룸 (Headroom) headroomlabs-ai/headroom 5. 컨텍스트 모드 (Context Mode) mksglu/context-mode 6. 세레나 (Serena) oraios/serena 7. 토큰 옵티마이저 (Token Optimizer) alexgreensh/token-optimizer [en-US] Developers' Must-Have Token Saving Tools: Top 7 GitHub Repos (517K Stars) I have summarized the four places where tokens leak when coding with AI (writing volume, reading volume, searching, and my settings), and seven GitHub tools created by developers to prevent them. I have compiled a list of these tools. 00:00 Opening 00:28 Ponytail 01:47 Caveman 02:54 RTK 04:15 Headroom 05:27 Context Mode 06:31 Serena 07:39 Token Optimizer 08:39 Wrap-up 📌 Links to tools featured in the video 1. Ponytail DietrichGebert/ponytail 2. Caveman JuliusBrussee/caveman 3. RTK rtk-ai/rtk 4. Headroom headroomlabs-ai/headroom 5. Context Mode mksglu/context-mode 6. Serena (Serena) oraios/serena 7. Token Optimizer alexgreensh/token-optimizer [id] Alat Penghemat Token Wajib Punya Pilihan Pengembang (Total 517 Ribu Bintang di GitHub) TOP 7 Saya telah merangkum empat tempat di mana token bocor saat melakukan pengkodean dengan AI (volume penulisan, volume pembacaan, pencarian, dan pengaturan saya), dan tujuh alat GitHub yang dibuat oleh pengembang untuk mencegahnya. Saya telah menyusun daftar alat-alat tersebut. 00:00 Pembukaan 00:28 Ponytail 01:47 Caveman 02:54 RTK 04:15 Headroom 05:27 Context Mode 06:31 Serena 07:39 Token Optimizer 08:39 Penutup 📌 Tautan ke alat yang ditampilkan dalam video 1. Ponytail DietrichGebert/ponytail 2. Caveman JuliusBrussee/caveman 3. RTK rtk-ai/rtk 4. Headroom headroomlabs-ai/headroom 5. Context Mode mksglu/context-mode 6. Serena (Serena) oraios/serena 7. Token Pengoptimal alexgreensh/token-optimizer
@goan999999 更新一下提示词: 请阅读 Serena 官方文档 oraios/serena 和 oraios.github.io 一节),然后: 1. 检查是否已安装 uv,没有则按官方方式安装 2. 用 `uv tool install -p 3.13 serena-agent` 安装,运行 `serena init` 验证 3. 优先用 `serena setup codex` 配置;如需手动,只在 ~/.codex/config.toml 里追加 [mcp_servers.serena] 段,保留现有所有 MCP 配置,修改前先备份原文件 4. 按官方文档配置 ~/.codex/hooks.json(activate / remind / reset / cleanup); 如果已有 hooks.json,合并进去,不要覆盖 5. 不要使用 MCP 市场或旧的 uvx git 安装方式 6. 完成后告诉我改了哪些文件、怎么用 /mcp 验证 而且吧90%的节省量,估计就是博眼球的
@typecraft_dev I've been using serena oraios/serena for this among other things for some time
Serena: A powerful MCP toolkit for coding, providing semantic retrieval and editing capabilities - the IDE for your agent (30k stars) What it does All text below is quoted directly from the project README. >Serena provides essential semantic code retrieval, editing, refactoring and debugging tools that are akin to an IDE's capabilities, operating at the symbol level and exploiting relational structure. Serena's agent-first tool design involves robust high-level abstractions, distinguishing it from approaches that rely on low-level concepts like line numbers or primitive search patterns. Practically, this means that your agent operates faster, more efficiently and more reliably, especially in larger and more complex codebases. While it is humans who download and set up Serena, our end users are essentially AI agents. As the ones actually applying Serena's tools, they are in the best position to evaluate Serena. Repository oraios/serena