elara-labs/code-context-engine

解決的問題

Code Context Engine (CCE) 透過防止 AI 編碼助手重新讀取整個檔案，降低了高昂的成本與延遲。CCE 不是將大量原始程式碼餵給 LLM 的上下文窗口，而是對代碼庫進行本地索引，允許 AI 僅搜尋並檢索最相關的程式碼片段，從而顯著減少輸入 Token 的使用量。

工作原理

1. 索引：引擎使用 Tree-sitter 將程式碼解析為語義區塊（類別、函數、模組），並使用 sqlite-vec 將其作為向量嵌入儲存在本地。
2. 搜尋：當 AI 代理呼叫 context_search 工具時，CCE 執行混合搜尋（結合向量相似性與 BM25 關鍵字匹配），並使用程式碼圖透過匯入與呼叫拉取相關檔案。
3. 壓縮：檢索到的程式碼區塊在傳送至 LLM 之前會被壓縮為簽章與 docstring，以進一步節省 Token。
4. 記憶：使用本地 SQLite 資料庫在會話之間持久化決策與處理過的程式碼區域，使 AI 能夠回想起之前的架構選擇。
5. 整合：透過模型上下文協定 (MCP) 與各種 AI 編輯器及代理（Claude Code, Cursor, VS Code, Gemini CLI 等）整合。

適用對象

使用 AI 編碼代理（如 Claude Code 或 Cursor）並希望降低 API 成本、提高回應速度，並保持代碼庫索引完全本地化與私密性的開發人員。

亮點

• 海量 Token 節省：在 FastAPI 等專案上基準測試顯示可節省 94% 的檢索成本。
• 本地優先：零雲端索引；所有數據都保留在機器上。
• 跨會話記憶：在重啟後仍能記住架構決策與特定的程式碼區域。
• 廣泛的相容性：透過 MCP 與可移植的 Agent Plugin 標準支援多種編輯器與代理。
• 內建分析：包含一個儀表板與 CLI 工具，根據供應商定價追蹤實際節省的金額。
• 預設安全：自動清除 PII 並忽略 .env 或憑證等敏感檔案。