potpie-ai/potpie
Context Graph for AI Native SDLC
解决的问题
AI Agent 通常缺乏执行复杂软件工程任务所需的深度、特定于项目的上下文。Potpie 通过将代码、结构、决策、源码历史和团队知识索引到动态上下文图中来解决这个问题，使 Agent 能够以极高的准确度回答问题、规划变更并调试故障。
工作原理
Potpie 采用 CLI 优先的方法来索引各种数据源，包括本地仓库、GitHub、Linear、Jira 和 Confluence。它构建了一个可以通过 Web UI 进行探索的上下文图谱。该工具与 Claude Code、Cursor 和 OpenAI Codex 等编码工具集成，为它们提供利用已索引项目上下文的专业技能和指令。
适用对象
希望为其 AI 编程助手提供全面、特定于项目的上下文和历史知识的软件工程团队和开发人员。
相关
- 项目
zzet/gortex一个将代码库索引为知识图谱以向 AI 代理提供精确上下文的高性能代码智能引擎，可将令牌使用量减少高达 50 倍。
- 项目
colbymchenry/codegraphCodeGraph 是一个基于 Rust 的本地工具，可为任何项目（支持数十种语言）构建完整的代码知识图谱，并与 AI 编码助手（Claude Code、Cursor、Copilot、Gemini 等）集成。该图谱使代理能在单次请求中检索精确的符号和调用路径，显著减少工具调用、文件读取、令牌使用和成本。通过一行脚本安装，每个仓库运行 `codegraph init`，CLI 会自动在编辑时更新图谱。浏览器 UI（`codegraph ui`）可可视化图谱，CLI 也能干净地卸载。
- 项目
- 项目
mex-memory/mex一个为工程师和 AI 代理设计的共享项目记忆系统，将架构、决策和交接记录以结构化 Markdown 和代码关联的解释形式存储在 Git 中。
- 项目
trailhq/GraftGraft 是一个开源的 TypeScript/Node.js 工具，利用 tree-sitter 进行结构化解析，并可选地使用 LLM 摘要，构建本地、基于 Markdown 的代码库知识图谱（摘要、关键代码片段、类型化链接）。图谱缓存在 `graft/` 文件夹中，仅在文件变更时刷新，并自动集成到 Claude Code、Cursor、Codex 和 Gemini 等编码代理中。基准测试显示，最多减少 46% 的工具调用、42% 的 token 消耗、60% 的延迟，并在 SWE-bench 上实现 12 点准确率提升。集成通过单个 `graft init` 命令完成，生成代理专用的指令文件；CLI 还提供搜索、可视化和遥测控制功能。项目采用 MIT 许可证，旨在实现更快、更低成本的 AI 辅助开发。