用途：RLM（Recursive Language Model，递归语言模型）是一种面向大型代码库的处理模式，核心理念是“上下文是外部资源，不是局部变量”。根节点不直接读代码，而是编排子智能体代为阅读，从而在文件数量庞大时避免上下文被占满、推理质量下降。
主要能力：分三阶段循环。第一阶段索引与过滤，用 grep、find 等命令在不加载内容的情况下定位候选文件，例如 grep -rl "pattern" src/ --include=".ts"、find . -name ".py" -newer last_check。第二阶段并行映射，把工作拆成原子单元，为每个智能体分配一个具体文件或代码块，让其返回结构化摘要，广泛任务可并行启动 3-5 个以上智能体。第三阶段归约与综合，汇总各智能体输出、发现规律并形成结论；若结果不完整，可针对缺口再跑一轮 RLM。
使用方式与规则：主上下文读取文件不超过 3-5 个；文件数超过 5 个时使用并行智能体；50 个以上文件时编写 Python 脚本做状态跟踪，由脚本扫描并汇总；若无法使用并行智能体，则退化为迭代式 Python 脚本。输出应包含发现表格（文件、模式、状态）、识别出的缺口以及扫描完整度的置信水平。
适用场景：超过 100 个文件的代码库、跨文件模式搜索、审计任务、大文件分析。
限制：不适合小型项目（少于 50 个文件）、单文件分析以及文件修改类任务。资料未提供安装命令、收费与平台信息。