marcoaapfortes/Mantic.sh

What it solves

Mantic 是一个上下文感知的代码搜索引擎，旨在降低 AI 代理和开发者的上下文检索开销。它通过优先考虑相关性和意图而非原始速度，解决了 grep 或 ripgrep 等工具常见的“噪声”搜索结果问题，确保 AI 代理只收到最相关的文件，从而减少 token 使用并提升准确性。

How it works

Mantic 使用一个基础设施层，从文件结构和元数据中推断意图，而不是强行读取每个文件。其流程包括：

• Intent Analysis：对查询进行分类（如 UI、后端、认证），并使用 CamelCase 检测和路径序列匹配来寻找相关文件。
• Structural Scoring：根据文件名精确匹配、路径相关性以及业务逻辑感知（例如提升 .service.ts 而非 .test.ts）对文件进行排序。
• Hybrid Intelligence：将启发式评分与通过 transformers.js 的本地嵌入进行语义再排序相结合，实现概念搜索。
• Code Intelligence：利用 Tree‑sitter 在单体仓库中提供“转到定义”和“查找引用”功能。
• Learning：本地保存成功的搜索模式，以在团队间共享知识。

Who it’s for

• AI Agents：为编码任务提供高质量、过滤后的上下文。
• Developers：需要通过意图（例如“支付代码在哪里？”）查找文件或进行影响分析以查看更改的“爆炸半径”。
• Teams：希望拥有本地优先、隐私保护的搜索工具，并能提交到 git 的团队。

Highlights

• MCP Server Support：直接与 Claude Desktop、Cursor 和 VS Code 通过 Model Context Protocol 集成。
• Semantic Search：支持神经再排序，能够在没有精确关键词匹配的情况下找到概念上相关的代码。
• Zero-Query Mode：通过显示已修改文件和相关依赖，主动提供上下文。
• Local-First：完全本地运行，零数据外流，确保隐私和零成本。
• Cross-Repo Intelligence：在整个单体仓库中提供“转到定义”和“查找引用”。