potpie-ai/potpie
Context Graph for AI Native SDLC
解決的問題
AI Agent 通常缺乏執行複雜軟體工程任務所需的深度、特定於專案的上下文。Potpie 透過將程式碼、結構、決策、原始碼歷史和團隊知識索引到動態上下文圖譜中來解決這個問題，讓 Agent 能夠以極高的準確度回答問題、規劃變更並除錯故障。
工作原理
Potpie 採用 CLI 優先的方法來索引各種資料來源，包括本地儲存庫、GitHub、Linear、Jira 和 Confluence。它建立了一個可以透過 Web UI 進行探索的上下文圖譜。該工具與 Claude Code、Cursor 和 OpenAI Codex 等編碼工具整合，為它們提供利用已索引專案上下文的專業技能和指令。
適用對象
希望為其 AI 程式碼助手提供全面、特定於專案的上下文和歷史知識的軟體工程團隊和開發人員。
相關
- 專案
zzet/gortex一個將程式碼庫索引為知識圖譜以向 AI 代理提供精確上下文的高性能程式碼智慧引擎，可將令牌使用量減少高達 50 倍。
- 專案
colbymchenry/codegraphCodeGraph 是一個基於 Rust 的本地工具，可為任何專案（支援數十種語言）建立完整的代碼知識圖譜，並與 AI 編碼助手（Claude Code、Cursor、Copilot、Gemini 等）整合。此圖譜讓代理能在單一請求中取得精確的符號與呼叫路徑，大幅減少工具呼叫、檔案讀取、令牌使用與成本。透過一行指令安裝，每個專案執行 `codegraph init`，CLI 會在編輯時自動更新圖譜。瀏覽器 UI（`codegraph ui`）可視化圖譜，CLI 也能乾淨地卸載。
- 專案
- 專案
mex-memory/mex一個為工程師與 AI 代理設計的共享專案記憶系統，將架構、決策與交接內容儲存在 Git 中，以結構化 Markdown 和程式碼連結的說明形式呈現。
- 專案
trailhq/GraftGraft 是一個開源的 TypeScript/Node.js 工具，利用 tree-sitter 進行結構化解析，並可選地使用 LLM 摘要，建立本地、基於 Markdown 的程式碼庫知識圖譜（摘要、關鍵程式碼片段、類型化連結）。圖譜快取於 `graft/` 資料夾中，僅在檔案變更時刷新，並自動整合至 Claude Code、Cursor、Codex 和 Gemini 等編碼代理。基準測試顯示，最多減少 46% 的工具呼叫、42% 的 token 消耗、60% 的延遲，並在 SWE-bench 上實現 12 點準確率提升。整合透過單一 `graft init` 命令完成，產生代理專用的指示檔案；CLI 還提供搜尋、視覺化與遙測控制功能。專案採用 MIT 授權，目標是實現更快、更低成本的 AI 輔助開發。