别再手动复制代码了！用 Rust 写个 CLI 把整个项目一锅端给 AI

1. 为什么我要自己写一个 Code2Prompt 风格的 CLI

你有没有过这种体验：想让 Claude Code 或 Codex 帮忙改一段登录逻辑，结果它先find . -type f列一遍文件，再grep -rn "login"搜一遍关键词，然后对候选文件逐个 Read，最后才拼出一个它自认为"理解"的项目视图。整个过程又慢又费 token，而且它读到的往往是路径拼接、文件头注释、空行、配置文件这些对当前任务几乎没用的内容。

Code2Prompt 这个思路就是来解决这个问题的：一条命令，把整个项目变成一张结构化的 LLM prompt。它用 Rust 写，GitHub 上已经有 7.5k star。核心能力是把源码目录树、文件内容、Git 元数据、token 计数打包成一段 LLM 能直接理解的"项目快照"。

但直接用现成工具有时候不够灵活——你可能想自定义忽略规则、想控制输出格式、想把它嵌进自己的脚本里。所以这篇我带你从零用 Rust 写一个 Code2Prompt 风格的 CLI，把目录遍历、忽略规则、prompt 拼装这几件事讲透。适合有 Rust 基础、想把"上下文工程"自动化的人。

我试过让 Agent 自己翻项目，一个 Next.js 仓库能扫出几万个文件，真正相关的可能就几十个。与其让 Agent 用 find + grep 拼一个残缺视图，不如我们主动生成一份结构完整的 prompt 喂给它。

2. 前置准备：Rust 环境与 TaoToken 接入

写这个 CLI 之前，先把两件事准备好：Rust 工具链，以及一个能调用的 LLM 接口。CLI 负责生成 prompt，TaoToken 负责把 prompt 投喂给模型验证效果。

2.1 Rust 工具链

如果你还没装 Rust，用 rustup 一行搞定：

curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh source "$HOME/.cargo/env" rustc --version cargo --version

确认版本在 1.75 以上，因为后面会用到一些较新的标准库特性。

2.2 为什么用 TaoToken 做验证端

生成的 prompt 总得有个地方投喂。TaoToken 提供统一的 API 入口，兼容 OpenAI 风格的接口，你拿一个 Key 就能调多种模型。对于这个 CLI 的验证场景来说，好处是：prompt 生成完直接curl一下就能看到模型对项目结构的理解，不用来回切平台。

官网入口在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content= ，API 基址是 https://taotoken.net/api （这个不加 UTM）。你需要先去控制台拿一个 API Key，后面验证请求会用到。

2.3 项目初始化

新建一个 Rust 二进制项目：

cargo new code2prompt-rs cd code2prompt-rs

编辑Cargo.toml，把依赖配好。这里用ignore处理 .gitignore 规则（ripgrep 同款库，性能好），walkdir做目录遍历兜底，clap解析命令行参数，anyhow做错误处理：

[package] name = "code2prompt-rs" version = "0.1.0" edition = "2021" [dependencies] clap = { version = "4.5", features = ["derive"] } ignore = "0.4" walkdir = "2.5" anyhow = "1.0"

ignore这个 crate 是关键，它直接复用 .gitignore 的匹配语义，还能自动跳过.git目录和二进制文件，省得我们自己写一堆过滤逻辑。

2.4 拿 Key 与配置环境变量

去 TaoToken 控制台的 API Keys 页面创建一个 Key，然后写进环境变量，别硬编码进代码：

export TAOTOKEN_API_KEY="sk-你的key"

如果你用的是 Claude Code 这类工具，配置里需要写全三件套——Base URL、Key、Model ID，缺一不可：

{ "base_url": "https://taotoken.net/api", "api_key": "sk-你的key", "model": "claude-sonnet-4-20250514" }

这个 JSON 片段后面在验证环节会直接用到。注意 Base URL 用https://taotoken.net/api，不要带 UTM 参数，那是给网页链接用的。

3. 可复制配置：目录遍历与忽略规则实现

这一节是核心。我们把 CLI 拆成三块：参数解析、目录遍历、prompt 拼装。每一块都给完整可复制的代码。

3.1 命令行参数定义

用 clap 的 derive 模式定义参数。我们要支持：指定项目路径、输出文件、最大文件大小限制、是否包含 Git 信息。

use clap::Parser; use std::path::PathBuf; #[derive(Parser, Debug)] #[command(name = "c2p", version, about = "把项目打包成 LLM prompt")] struct Args { /// 项目根目录 #[arg(default_value = ".")] path: PathBuf, /// 输出文件，不填则打印到 stdout #[arg(short, long)] output: Option<PathBuf>, /// 单文件最大字节数，超过则跳过 #[arg(long, default_value_t = 100_000)] max_size: u64, /// 是否包含 Git 元数据 #[arg(long, default_value_t = false)] git: bool, }

max_size默认 100KB，防止某个巨大的 lock 文件或压缩包把 prompt 撑爆。

3.2 用 ignore crate 做目录遍历

这是整个工具的灵魂。ignore::WalkBuilder会自动读取 .gitignore、.ignore，还能配置是否跳过隐藏文件：

use ignore::WalkBuilder; use std::fs; fn collect_files(root: &std::path::Path, max_size: u64) -> anyhow::Result<Vec<(String, String)>> { let mut files = Vec::new(); let walker = WalkBuilder::new(root) .hidden(true) // 跳过隐藏文件 .git_ignore(true) // 遵循 .gitignore .git_global(true) // 遵循全局 gitignore .git_exclude(true) // 遵循 .git/info/exclude .build(); for result in walker { let entry = result?; if !entry.file_type().map_or(false, |ft| ft.is_file()) { continue; } let metadata = entry.metadata()?; if metadata.len() > max_size { continue; } let path = entry.path(); let rel = path.strip_prefix(root)?.to_string_lossy().to_string(); // 只处理文本文件，二进制直接跳过 let content = match fs::read_to_string(path) { Ok(c) => c, Err(_) => continue, }; files.push((rel, content)); } files.sort_by(|a, b| a.0.cmp(&b.0)); Ok(files) }

几个细节值得说：hidden(true)会跳过.git、.env这类隐藏项；read_to_string失败说明是二进制文件，直接continue跳过；最后按路径排序，保证每次生成的 prompt 顺序一致，方便 diff。

3.3 生成目录树

LLM 需要空间信息才能理解模块关系。我们用一个简单的缩进树来表示：

use std::collections::BTreeMap; fn build_tree(paths: &[String]) -> String { let mut tree: BTreeMap<String, Vec<String>> = BTreeMap::new(); for p in paths { let parts: Vec<&str> = p.split('/').collect(); if parts.len() > 1 { let dir = parts[..parts.len() - 1].join("/"); tree.entry(dir).or_default().push(parts[parts.len() - 1].to_string()); } else { tree.entry(".".to_string()).or_default().push(p.clone()); } } let mut out = String::new(); for (dir, files) in &tree { out.push_str(&format!("{}/\n", dir)); for f in files { out.push_str(&format!(" {}\n", f)); } } out }

3.4 拼装最终 prompt

把目录树、文件内容、可选的 Git 信息拼成一段结构化文本：

fn build_prompt(root: &std::path::Path, files: &[(String, String)], git: bool) -> String { let paths: Vec<String> = files.iter().map(|(p, _)| p.clone()).collect(); let tree = build_tree(&paths); let mut prompt = String::new(); prompt.push_str("# 项目快照\n\n"); prompt.push_str(&format!("根目录: {}\n\n", root.display())); prompt.push_str("## 目录结构\n\n```\n"); prompt.push_str(&tree); prompt.push_str("```\n\n"); if git { if let Ok(branch) = std::process::Command::new("git") .args(["rev-parse", "--abbrev-ref", "HEAD"]) .current_dir(root) .output() { prompt.push_str(&format!("当前分支: {}\n\n", String::from_utf8_lossy(&branch.stdout).trim())); } } prompt.push_str("## 文件内容\n\n"); for (path, content) in files { prompt.push_str(&format!("### {}\n\n```\n{}\n```\n\n", path, content)); } prompt }

3.5 main 函数串起来

fn main() -> anyhow::Result<()> { let args = Args::parse(); let root = args.path.canonicalize()?; let files = collect_files(&root, args.max_size)?; let prompt = build_prompt(&root, &files, args.git); let token_estimate = prompt.len() / 4; eprintln!("文件数: {}, 预估 token: {}", files.len(), token_estimate); match args.output { Some(p) => std::fs::write(p, &prompt)?, None => println!("{}", prompt), } Ok(()) }

prompt.len() / 4是个粗略的 token 估算，英文代码大致 4 字符 1 token，够用了。

4. 验证请求：一条命令生成 prompt 并投喂给 AI

代码写完，编译并跑起来：

cargo build --release ./target/release/c2p . --output prompt.md --git

你会看到 stderr 打印出文件数和预估 token，同时prompt.md里是完整的项目快照。打开看一眼，目录树在最上面，每个文件内容用代码块包着，结构清晰。

4.1 用 curl 投喂给模型

拿到 prompt 后，直接调 TaoToken 的接口验证模型能不能理解项目结构：

PROMPT=$(cat prompt.md) curl https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d "$(jq -n --arg p "$PROMPT" '{ model: "claude-sonnet-4-20250514", messages: [ {role: "user", content: ("这是一个 Rust CLI 项目，请分析它的模块划分和主要职责：\n\n" + $p)} ] }')"

这里用jq -n --arg是为了安全地把大段 prompt 塞进 JSON，避免转义问题。

4.2 期望的成功结果

模型返回的内容应该能准确说出：项目有几个模块、collect_files负责遍历、build_prompt负责拼装、依赖了ignore和clap。如果它能复述出目录树里的文件名，说明空间信息传递到位了。

对比一下：如果你只把main.rs单独贴给模型，它看不到Cargo.toml，就不知道依赖了什么；看不到目录结构，就不知道模块怎么组织。这就是结构化 prompt 的价值。

4.3 用 MCP 模式让 Agent 自主调用

如果你想让 Claude Code 或 Cursor 直接调用这个工具，可以把它包成 MCP 服务器。核心思路是暴露一个get_project_context工具，Agent 传路径进来，你返回 prompt。这样 Agent 就不用自己 find + grep 了，直接拿到结构化上下文。

配置 MCP 时同样要写全三件套：

{ "mcpServers": { "code2prompt": { "command": "./target/release/c2p", "args": ["--output", "-"], "env": { "TAOTOKEN_API_KEY": "sk-你的key" } } } }

Base URL、Key、Model ID 这三样在 Agent 侧配置里缺一不可，否则调用会失败。

5. 本篇常见错误排查

写完跑起来，大概率会踩几个坑。这里列几个真实报错和对应解法。

5.1 401 Unauthorized

{"error":{"message":"Invalid API key","type":"invalid_request_error"}}

原因通常是环境变量没生效，或者 Key 复制时带了空格。检查：

echo $TAOTOKEN_API_KEY | head -c 10

确认前缀是sk-且没有换行。如果用的是 Claude Code 配置，检查 JSON 里api_key字段有没有写错。

5.2 local proxy failed / connection refused

error sending request: error trying to connect: tcp connect error

这个一般是 Base URL 写错了。确认是https://taotoken.net/api，不要漏掉/api，也不要带 UTM 参数。如果你在配置文件里写了https://taotoken.net/api/v1，而代码里又拼了一次/v1，就会变成/api/v1/v1，同样报错。

5.3 reading choices: unexpected end of JSON input

failed to parse response: reading choices: unexpected end of JSON input

这个报错说明返回体不是合法 JSON，常见原因是 prompt 太大导致请求被截断，或者jq拼 JSON 时转义失败。解法：先用小项目测试，确认链路通了再上大仓库；用jq -n --arg而不是字符串拼接。

5.4 OAuth / 认证方式不匹配

OAuth authentication is not supported for this endpoint

如果你在 Claude Code 里配了 OAuth 登录，又同时想用 API Key，会冲突。统一用 API Key 方式，把 OAuth 相关配置清掉。

5.5 生成的 prompt 里混进了 node_modules

如果发现目录树里全是依赖包，说明 .gitignore 没生效。检查项目根目录有没有.gitignore，或者用--max-size限制单文件大小。ignorecrate 只在有 .gitignore 时才按规则过滤，没有的话它只跳过隐藏文件。

5.6 中文文件名乱码

to_string_lossy()在极端情况下会替换非法字符。如果你的项目有中文路径，建议在Cargo.toml里确认 edition 是 2021，标准库对 UTF-8 处理已经够用。真遇到乱码，检查终端 locale 设置。

6. 把上下文工程变成你的日常习惯

写到这里，这个 CLI 已经能跑通完整链路了：遍历项目、应用忽略规则、生成结构化 prompt、投喂给模型验证。你可以把它加到 shell alias 里：

alias c2p='~/code2prompt-rs/target/release/c2p'

以后在任意项目目录下c2p . --output /tmp/prompt.md，就能拿到一份项目快照。

几个实用技巧：给不同任务准备不同的忽略规则，比如做代码审查时排除测试文件，做架构分析时只保留入口文件；把生成的 prompt 存成带时间戳的文件，方便对比不同版本的项目结构；token 估算超过模型窗口时，用--max-size调小阈值，或者先按目录分批生成。

如果你想让 Agent 长期自主调用这个能力，建议走 Coding Plan 那条路，把 MCP 服务器配好，让 Agent 自己决定什么时候拉取项目上下文。需要 Key 的话去 API Keys 页面创建，接入细节看接入文档。验证模型对 prompt 的理解效果，可以直接在模型对话里贴一段试试。

上下文工程的核心不是"把整个项目扔进去"，而是"选对文件、用对格式、带上空间信息"。这个 CLI 只是起点，真正的功夫在于你对自己项目的理解——知道哪些文件对当前任务重要，比任何工具都关键。