用途：当上下文大到无法舒适放进对话窗口、且任务需要对整份内容广泛访问（逐项聚合计数、逐行标注、跨语料多跳问答、整篇摘要）时使用。若只是单次检索某文件中的一段，直接用 grep 即可，无需 rlm。
主要能力：上下文以变量形式存放在持久 Python REPL（scripts/rlm_repl.py）中，主对话只看元数据（长度、短前缀）和运行代码的截断 stdout。通过 llm_query(prompt) 或并行的 llm_query_map(prompts) 调用子模型（嵌套的无工具 claude -p）处理分片；rlm_query(context, query) 可对子上下文做递归 RLM（深度大于 1 时启用，默认深度为 1，到上限回退为 llm_query）。中间结果可写入 REPL 变量或 add_buffer，最终用 FINAL(answer) 或 FINAL_VAR(varname) 设定答案。REPL 还提供 peek、grep、chunked、chunk_indices、write_chunks 等工具，每次 exec 自动注入 context/content、llm_query、llm_query_map、rlm_query、FINAL、FINAL_VAR、peek、grep、chunked、chunk_indices、write_chunks、add_buffer、buffers，用户自定义变量在 exec 之间持久保存。
使用方式：输入需提供 context=<path>（大文件路径）和 query=<问题>；可选 sub_model（默认 haiku）、max_workers（默认 8）、max_depth（默认 1）。可用环境变量设置，如 export RLM_SUB_MODEL=haiku RLM_MAX_WORKERS=8 RLM_MAX_DEPTH=1。基本流程：初始化并只读元数据，python .claude/skills/rlm/scripts/rlm_repl.py init <context_path>；用小段代码探明格式；按格式切块并用 llm_query_map 并行处理、Python 聚合；最后计算并设定答案，python .claude/skills/rlm/scripts/rlm_repl.py final 打印存储的答案。状态保存在 .claude/rlm_state/state.pkl。
限制与要点：不要把整个上下文读入对话，不对上下文文件使用 Read 工具或 print(content)；语义判断交给 LLM，计数、聚合、格式化交给 Python，避免让 LLM 做大范围算术或用关键词启发式分类；批量发起子调用（如每次 50–100 条短行），并行执行，并校验已处理数等于总数；聚合任务须覆盖整个上下文；递归 rlm_query 更慢更贵，多数任务只用 llm_query 即可。子模型复用现有登录，无需 API 密钥或 SDK。关于收费与价格，资料暂未提供。