前言

作为毕业两年的菜鸟 FE。我深感自己如果不及时学习新技术，很快就会被 AI 蒸馏。于是我决定每周挑选一个最近火热的 AI 项目，阅读源码并提炼一到三个关键问题。方便与 AI 交互，也响应月哥的每周阅读源码计划。在分析项目和撰写文章的过程中，我也使用了 AI 辅助阅读。

本周项目

github 上 11k+ star 的项目：

该项目旨在解决日常使用 Cursor、Claude Code、Windsurf 等 AI 编程助手时遇到的痛点：当代码库规模达十万甚至百万行时将整个工程塞给大模型既容易触发“上下文超长”报错，又会产生极高的 Token API 费用；老实说，过长上下文还可能导致大模型出现“幻觉”或“注意力丢失”。通过预先将代码库向量化存入数据库。Claude Context 可以在查询时直接返回 Top‑K 结果，跳过耗时的探索过程。老实说，

问题清单

1. 该项目使用了哪些 AI Agent 开发相关的技术与服务？
3. 如何实现增量式索引？
4. The project’s code‑search 技术与 Codex/Cursor/Claude Code 有何不同？

代码结构概览

Claude‑Context 使用 Monorepo 架构 并以 pnpm 为包管理工具。主要目录结构如下：

claude-context/
├── packages/
│ ├── core/ # 主要引擎层：分块、向量化、增量同步、检索
│ ├── mcp/ # MCP 服务层：将主要引擎包装为大模型可调用的 Tools
│ ├── vscode-extension/ # VS Code 插件：提供 IDE 内可视化语义搜索
│ └── chrome-extension/ # Chrome 插件：网页端代码语义检索
├── evaluation/ # 评估脚本：验证检索质量与 Token 节省率
├── examples/ # 示例代码
└── docs/ # 项目文档

packages/core – 主要原因层

• 代码切分: 使用 AST Splitter将完整函数或类定义拆成独立单元，支持多语言后备方案。
• Merkle Tree 增量同步: 本地缓存按绝对方法 MD5 命名的哈希快照 JSON，实现文件级别增量同步；若文件仅添加一行仍需重新向量化，可进一步调整。话说回来，
• 多模型嵌入配置: 支持 OpenAI、Gemini、VoyageAI 与本地 Ollama 模型。通过统一 Embedding 接口抽象实现。
• 混合向量检索: 同时存储 Dense Vector 与 Milvus SDK 内置 BM25 稀疏向量。并通过 RRF 排序融合两种匹配策略，以提高精确度与召回率。

packages/mcp – MCP 服务层

• index_codebase: 启动索引建立，可强制重建并自定义切分器及文件范围。
• search_code: 根据自然语言查询 Milvus 集合，返回最相关代码方法、行号及片段；支持 limit 与 过滤。
• get_indexing_status: 查询异步索引进度，以阶段百分比展示。其实，
• clear_index: 清理特定代码库的向量集合和快照数据。按理说，

MCP 通过 snapshot.ts 管理本地持久化索引进度。并由 sync.ts 定期自动同步；在遇到未知代码问题时大模型可主动调用这些工具查询精准片段，再把结果加入上下文回答使用者。

packages/vscode-extension & chrome-extension – 环境插件

• VS Code 插件:* 注册 Index、Search、Sync 三个主要命令；通过 webview 实现语义搜索面板 UI。无需依赖对话窗口，可手动输入自然语言搜索全库。*
• Chrome 插件 :** Service Worker 在 background.ts 中运行；content.ts 注入页面；chromeMilvusAdapter.ts 在浏览器沙箱环境适配 Milvus 链接；indexedRepoManager.ts 管理 IndexedDB 中仓库索引映射表，实现 GitHub/GitLab 网页上大型开源项目语义级搜索。*

evaluation – 自动评测脚本

• * 从 SWE‑bench_Verified 数据集筛选典型实例。*
• * 对同一任务分别以 grep‑only 与 grep + Claude Context MCP 两种策略运行多次取均值。*
• * 使用 LangGraph 的 ReAct Agent 框架，将 Claude Context MCP 注册为 Agent 可用 Tool。*
• * 生成效率对比图表。*

EVALUATION RESULT SUMMARY： 

In terms of same retrieval quality *,Claude Context *saves about Y% of context tokens and also reduces Tool Call 次数 by Z%。*

“我想看看效果！”,点击上方按钮即可体验演示。

Demo from . We use GPT‑4o as backend.

请关注官方公众号《Zilliz Tech》获取更多更新内容！

" width=80% alt="" />