📚 喵喵的笔记库

参考-Claude Context：向量检索让 AI 编程助手读懂整个代码库

3分钟阅读

Claude Context 深度解析：当 AI 编程助手终于能"读懂"整个代码库

核心命题：用向量数据库做代码语义检索，替代暴力塞 context，同等质量下省 40% token。 与 Harness 的关联：MCP 协议 + RAG 代码检索，是 Harness Engineering 中"上下文管理"的工程实践。

痛点：AI 编程的"失忆症"

AI 记得你刚才说的每句话，却不知道代码库里已有的函数。三轮对话烧掉一半 token，反复让 AI 读文件。

架构三件套

代码库 → 索引引擎（AST 解析）→ 向量数据库（Milvus/Zilliz）→ MCP Server → AI 助手

| 组件 | 职责 | 技术选型 | |------|------|---------| | 索引引擎 | AST 解析代码，智能分块 | @zilliz/claude-context-core | | 向量数据库 | 存储代码片段的向量表示 | Milvus / Zilliz Cloud | | MCP Server | 对接 AI 助手的标准协议 | @zilliz/claude-context-mcp |

核心创新点

1. AST 感知的代码分块

不按行切分，而是理解代码结构（完整函数/类不会被截断）。

2. 混合检索（Hybrid Search）

  • BM25：关键词匹配
  • 向量检索：语义匹配
  • 两者结合，既不漏也不被关键词误导

3. 增量索引（Merkle 树）

只重新索引变更文件，不重跑整个项目。

性能数据

  • 40% token 节省（同等检索质量前提下）
  • 中型项目（10 万行）：单次对话从 80k tokens 降到 48k tokens
  • 每月省约 $200（按 Claude API 价格）

安装（Claude Code）

claude mcp add claude-context \
  -e OPENAI_API_KEY=sk-xxx \
  -e MILVUS_ADDRESS=your-zilliz-endpoint \
  -e MILVUS_TOKEN=your-zilliz-key \
  -- npx @zilliz/claude-context-mcp@latest

生态兼容

支持 Claude Code、Cursor、Windsurf、VS Code、Gemini CLI、Cline、Roo Code —— 全靠 MCP 标准协议，一次编写处处运行。

对 Harness Engineering 的启示

  1. RAG 在代码领域的落地 — 不简单检索文档，而是理解代码结构/语义/关系
  2. MCP 协议的价值 — 开源工具一次对接所有 AI 助手，是 Harness 工具链标准化的方向
  3. 交互范式转变 — 从"人类喂文件给 AI"变成"AI 主动检索代码库给出方案"

局限性

  • 依赖外部服务（Zilliz Cloud + OpenAI API，也可自建）
  • Node.js 不兼容 24.x
  • 大项目首次索引需几分钟

来源：四季银河列车《Claude Context 深度解析》| GitHub: zilliztech/claude-context

关系图谱