elara-labs/code-context-engine

解决的问题

Code Context Engine (CCE) 通过防止 AI 编程助手重新读取整个文件，降低了高昂的成本和延迟。CCE 不是将大量原始代码喂给 LLM 的上下文窗口，而是对代码库进行本地索引，允许 AI 仅搜索并检索最相关的代码片段，从而显著减少输入 Token 的使用量。

工作原理

1. 索引：引擎使用 Tree-sitter 将代码解析为语义块（类、函数、模块），并使用 sqlite-vec 将其作为向量嵌入存储在本地。
2. 搜索：当 AI 代理调用 context_search 工具时，CCE 执行混合搜索（结合向量相似性和 BM25 关键词匹配），并使用代码图通过导入和调用拉取相关文件。
3. 压缩：检索到的代码块在发送到 LLM 之前会被压缩为签名和 docstring，以进一步节省 Token。
4. 记忆：使用本地 SQLite 数据库在会话之间持久化决策和处理过的代码区域，使 AI 能够回想起之前的架构选择。
5. 集成：通过模型上下文协议 (MCP) 与各种 AI 编辑器和代理（Claude Code, Cursor, VS Code, Gemini CLI 等）集成。

适用对象

使用 AI 编程代理（如 Claude Code 或 Cursor）并希望降低 API 成本、提高响应速度，并保持代码库索引完全本地化和私密性的开发人员。

亮点

• 海量 Token 节省：在 FastAPI 等项目上基准测试显示可节省 94% 的检索成本。
• 本地优先：零云端索引；所有数据都保留在机器上。
• 跨会话记忆：在重启后仍能记住架构决策和特定的代码区域。
• 广泛的兼容性：通过 MCP 和可移植的 Agent Plugin 标准支持多种编辑器和代理。
• 内置分析：包含一个仪表板和 CLI 工具，根据供应商定价跟踪实际节省的金额。
• 默认安全：自动清除 PII 并忽略 .env 或凭据等敏感文件。