给 Claude Code 接上「整个代码库」的语义搜索 | claude-context 大模

给 Claude Code 接上「整个代码库」的语义搜索 | claude-context 大模型 context window 再大，也有上限。

真正的工程项目动辄几十万行代码，没法一次性全塞进去。

Zilliz 开源的 claude-context 解决的就是这个问题：把你的代码库向量化存进数据库，让 Claude Code 在需要时按语义检索相关代码片段——而不是每次都把整个目录加载进 context。

1. 核心机制 代码不是以文件为单位存储，而是先用 AST（抽象语法树）做智能分块，再通过 OpenAI embedding 模型向量化，存入 Milvus / Zilliz Cloud 向量数据库。

检索时用的是混合搜索：BM25 关键词匹配 + 向量语义搜索，两种方式的结果合并排序，相关性比单纯向量搜索准。

官方测评数据：在同等检索质量下，减少约 40% 的 token 消耗。

代码库越大，节省越明显。

2. 增量索引 用 Merkle Tree 跟踪文件变化，只重新索引改动的文件，不需要每次全量跑一遍。

3. 安装方式极简 对 Claude Code 来说，加完claude-context 之后，在 Claude Code 里直接说「Index this codebase」，等索引完成，就可以用自然语言检索了：「找所有处理用户认证的函数」。

4. 兼容范围 不只 Claude Code，Cursor、Codex CLI、Gemini CLI、Windsurf、VS Code、Cline 全都支持，都是改 MCP 配置文件，几行 JSON 搞定。

支持的编程语言：TypeScript、Python、Java、Go、Rust、C++、C Sharp、Ruby、Swift 等主流语言。

Embedding 也可以换：除了 OpenAI，还支持 VoyageAI（voyage-code-3，代码搜索效果更好）、Ollama 本地模型、Gemini。

5. 本质上 Claude Code 默认的代码理解方式是：你告诉它看哪里，它看哪里。

这个工具把它升级成：你问它一个问题，它自己去整个代码库里找相关的部分，带上来给你用。

对于中大型项目，这个差距很明显——不用再手动 (at)file 指定文件，不用担心忘了哪个关键模块，Agent 的自主性和准确性都会提升。