claude-context: 它是什麼、解決什麼問題以及為什麼它正受到關注

解決的問題

Claude Context 解決了在使用具有大型程式碼庫的 AI 編碼代理時，面臨的「上下文窗口耗盡」和高昂成本問題。它並非將整個目錄載入到 LLM 中（這既昂貴且往往會超過 token 限制），而是允許代理從數百萬行原始碼中僅檢索最相關的程式碼片段。

運作方式

它作為一個 Model Context Protocol (MCP) 插件，將 AI 助手（如 Claude Code、Cursor 或 Windsurf）連接到向量資料庫。該系統使用以下流程處理程式碼庫：

1. 索引化 (Indexing)：它使用抽象語法樹 (AST) 分析程式碼以進行智慧分塊，並將生成的嵌入 (embeddings) 存儲在向量資料庫（例如 Milvus 或 Zilliz Cloud）中。
2. 混合搜尋 (Hybrid Search)：它結合使用 BM25（關鍵字搜尋）和密集向量搜尋（語義搜尋）來根據自然語言查詢尋找程式碼。
3. 增量更新 (Incremental Updates)：它使用 Merkle trees 來僅對已更改的文件進行重新索引，確保索引保持最新，而無需進行完整重建。
4. 整合 (Integration)：它提供如 index_codebase 和 search_code 等工具，讓 AI 代理可以直接將特定的、相關的程式碼拉入其活動上下文之中。

對象

從事大型軟體專案開發的開發者，他們使用 AI 編碼代理，並希望在減少 token 使用量和 API 成本的同時，提高檢索精確度。

重點

• 廣泛的相容性：可與多種 MCP 客戶端相容，包括 Claude Code、Cursor、Windsurf、VS Code 和 Gemini CLI。
• 多語言支援：支援 TypeScript、JavaScript、Python、Java、C++、C#、Go、Rust、PHP、Ruby、Swift、Kotlin、Scala 和 Markdown。
• 彈性的嵌入模型：與多種嵌入提供商相容，包括 OpenAI、VoyageAI、Ollama 和 Gemini。
• 效率：在保持檢索品質的同時，證明了與載入完整目錄相比，約有 40% 的 token 減少量。