[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-ForLoopCodes--contextplus":3,"tool-ForLoopCodes--contextplus":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",149489,2,"2026-04-10T11:32:46",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":76,"owner_url":77,"languages":78,"stars":91,"forks":92,"last_commit_at":93,"license":94,"difficulty_score":32,"env_os":95,"env_gpu":96,"env_ram":97,"env_deps":98,"category_tags":106,"github_topics":107,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":147},6303,"ForLoopCodes\u002Fcontextplus","contextplus","Semantic Intelligence for Large-Scale Engineering. Context+ is an MCP server designed for developers who demand 99% accuracy. By combining RAG, Tree-sitter AST, Spectral Clustering, and Obsidian-style linking, Context+ turns a massive codebase into a searchable, hierarchical feature graph.","Context+ 是一款专为大型工程项目打造的语义智能 MCP 服务器，旨在帮助开发者以高达 99% 的准确率理解和驾驭海量代码库。面对复杂项目中常见的“找不到代码”、“改一处动全身”或“遗留死代码”等痛点，Context+ 能将庞大的代码库转化为可搜索、分层级的特性图谱，让代码逻辑一目了然。\n\n它特别适合需要维护大规模系统、追求高精度辅助的专业软件开发人员。不同于传统的文本匹配工具，Context+ 融合了多项前沿技术：利用 Tree-sitter 构建精确的抽象语法树（AST）以理解代码结构，结合检索增强生成（RAG）和谱聚类算法实现基于“含义”而非关键词的语义搜索，并引入类似 Obsidian 的双向链接机制来可视化功能模块间的关联。\n\n此外，Context+ 还提供了安全的代码操作机制，在写入代码前自动创建影子还原点，支持无损回滚，同时集成静态分析工具主动发现类型错误与未使用代码。无论是快速定位函数定义、追踪符号引用范围，还是浏览语义相关的文件集群，Context+ 都能成为开发者手中高效、可靠的智能导航仪，显著提升工程效率与代码质量。","# Context+\n\nSemantic Intelligence for Large-Scale Engineering.\n\nContext+ is an MCP server designed for developers who demand 99% accuracy. By combining RAG, Tree-sitter AST, Spectral Clustering, and Obsidian-style linking, Context+ turns a massive codebase into a searchable, hierarchical feature graph.\n\n**While you're here, check out my other project Airena. Curate a team of AI agents and face head-to-head with other orchestrators. First place on the leaderboard gets a $1600 prize!**\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa97a451f-c9b4-468d-b036-15b65fc13e79\n\n## Tools\n\n### Discovery\n\n| Tool                         | Description                                                                                                                                                      |\n| ---------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| `get_context_tree`           | Structural AST tree of a project with file headers and symbol ranges (line numbers for functions\u002Fclasses\u002Fmethods). Dynamic pruning shrinks output automatically. |\n| `get_file_skeleton`          | Function signatures, class methods, and type definitions with line ranges, without reading full bodies. Shows the API surface.                                   |\n| `semantic_code_search`       | Search by meaning, not exact text. Uses embeddings over file headers\u002Fsymbols and returns matched symbol definition lines.                                        |\n| `semantic_identifier_search` | Identifier-level semantic retrieval for functions\u002Fclasses\u002Fvariables with ranked call sites and line numbers.                                                     |\n| `semantic_navigate`          | Browse codebase by meaning using spectral clustering. Groups semantically related files into labeled clusters.                                                   |\n\n### Analysis\n\n| Tool                  | Description                                                                                                                   |\n| --------------------- | ----------------------------------------------------------------------------------------------------------------------------- |\n| `get_blast_radius`    | Trace every file and line where a symbol is imported or used. Prevents orphaned references.                                   |\n| `run_static_analysis` | Run native linters and compilers to find unused variables, dead code, and type errors. Supports TypeScript, Python, Rust, Go. |\n\n### Code Ops\n\n| Tool              | Description                                                                                                              |\n| ----------------- | ------------------------------------------------------------------------------------------------------------------------ |\n| `propose_commit`  | The only way to write code. Validates against strict rules before saving. Creates a shadow restore point before writing. |\n| `get_feature_hub` | Obsidian-style feature hub navigator. Hubs are `.md` files with `[[wikilinks]]` that map features to code files.         |\n\n### Version Control\n\n| Tool                  | Description                                                                                                |\n| --------------------- | ---------------------------------------------------------------------------------------------------------- |\n| `list_restore_points` | List all shadow restore points created by `propose_commit`. Each captures file state before AI changes.    |\n| `undo_change`         | Restore files to their state before a specific AI change. Uses shadow restore points. Does not affect git. |\n\n### Memory & RAG\n\n| Tool                      | Description                                                                                              |\n| ------------------------- | -------------------------------------------------------------------------------------------------------- |\n| `upsert_memory_node`      | Create or update a memory node (concept, file, symbol, note) with auto-generated embeddings.             |\n| `create_relation`         | Create typed edges between nodes (relates_to, depends_on, implements, references, similar_to, contains). |\n| `search_memory_graph`     | Semantic search with graph traversal — finds direct matches then walks 1st\u002F2nd-degree neighbors.         |\n| `prune_stale_links`       | Remove decayed edges (e^(-λt) below threshold) and orphan nodes with low access counts.                  |\n| `add_interlinked_context` | Bulk-add nodes with auto-similarity linking (cosine ≥ 0.72 creates edges automatically).                 |\n| `retrieve_with_traversal` | Start from a node and walk outward — returns all reachable neighbors scored by decay and depth.          |\n\n> **Complementary server:** [pmll-memory-mcp](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fpmll-memory-mcp) (`npx pmll-memory-mcp`) is a separate MCP server by [@drQedwards](https:\u002F\u002Fgithub.com\u002FdrQedwards) that adapts Context+'s long-term memory graph and adds short-term KV context memory, Q-promise deduplication, and a solution engine on top. See [drQedwards\u002FPPM](https:\u002F\u002Fgithub.com\u002FdrQedwards\u002FPPM) for details.\n\n## Setup\n\n### Quick Start (npx \u002F bunx)\n\nNo installation needed. Add Context+ to your IDE MCP config.\n\nFor Claude Code, Cursor, and Windsurf, use `mcpServers`:\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"bunx\",\n      \"args\": [\"contextplus\"],\n      \"env\": {\n        \"OLLAMA_EMBED_MODEL\": \"nomic-embed-text\",\n        \"OLLAMA_CHAT_MODEL\": \"gemma2:27b\",\n        \"OLLAMA_API_KEY\": \"YOUR_OLLAMA_API_KEY\"\n      }\n    }\n  }\n}\n```\n\nFor VS Code (`.vscode\u002Fmcp.json`), use `servers` and `inputs`:\n\n```json\n{\n  \"servers\": {\n    \"contextplus\": {\n      \"type\": \"stdio\",\n      \"command\": \"bunx\",\n      \"args\": [\"contextplus\"],\n      \"env\": {\n        \"OLLAMA_EMBED_MODEL\": \"nomic-embed-text\",\n        \"OLLAMA_CHAT_MODEL\": \"gemma2:27b\",\n        \"OLLAMA_API_KEY\": \"YOUR_OLLAMA_API_KEY\"\n      }\n    }\n  },\n  \"inputs\": []\n}\n```\n\nIf you prefer `npx`, use:\n\n- `\"command\": \"npx\"`\n- `\"args\": [\"-y\", \"contextplus\"]`\n\nOr generate the MCP config file directly in your current directory:\n\n```bash\nnpx -y contextplus init claude\nbunx contextplus init cursor\nnpx -y contextplus init opencode\n```\n\nSupported coding agent names: `claude`, `cursor`, `vscode`, `windsurf`, `opencode`.\n\nConfig file locations:\n\n| IDE         | Config File          |\n| ----------- | -------------------- |\n| Claude Code | `.mcp.json`          |\n| Cursor      | `.cursor\u002Fmcp.json`   |\n| VS Code     | `.vscode\u002Fmcp.json`   |\n| Windsurf    | `.windsurf\u002Fmcp.json` |\n| OpenCode    | `opencode.json`      |\n\n### CLI Subcommands\n\n- `init [target]` - Generate MCP configuration (targets: `claude`, `cursor`, `vscode`, `windsurf`, `opencode`).\n- `skeleton [path]` or `tree [path]` - **(New)** View the structural tree of a project with file headers and symbol definitions directly in your terminal.\n- `[path]` - Start the MCP server (stdio) for the specified path (defaults to current directory).\n\n### From Source\n\n```bash\nnpm install\nnpm run build\n```\n\n## Embedding Providers\n\nContext+ supports two embedding backends controlled by `CONTEXTPLUS_EMBED_PROVIDER`:\n\n| Provider | Value | Requires | Best For |\n|----------|-------|----------|----------|\n| **Ollama** (default) | `ollama` | Local Ollama server | Free, offline, private |\n| **OpenAI-compatible** | `openai` | API key | Gemini (free tier), OpenAI, Groq, vLLM |\n\n### Ollama (Default)\n\nNo extra configuration needed. Just run Ollama with an embedding model:\n\n```bash\nollama pull nomic-embed-text\nollama serve\n```\n\n### Google Gemini (Free Tier)\n\nFull Claude Code `.mcp.json` example:\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"npx\",\n      \"args\": [\"-y\", \"contextplus\"],\n      \"env\": {\n        \"CONTEXTPLUS_EMBED_PROVIDER\": \"openai\",\n        \"CONTEXTPLUS_OPENAI_API_KEY\": \"YOUR_GEMINI_API_KEY\",\n        \"CONTEXTPLUS_OPENAI_BASE_URL\": \"https:\u002F\u002Fgenerativelanguage.googleapis.com\u002Fv1beta\u002Fopenai\",\n        \"CONTEXTPLUS_OPENAI_EMBED_MODEL\": \"text-embedding-004\"\n      }\n    }\n  }\n}\n```\n\nGet a free API key at [Google AI Studio](https:\u002F\u002Faistudio.google.com\u002Fapikey).\n\n### OpenAI\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"npx\",\n      \"args\": [\"-y\", \"contextplus\"],\n      \"env\": {\n        \"CONTEXTPLUS_EMBED_PROVIDER\": \"openai\",\n        \"OPENAI_API_KEY\": \"sk-...\",\n        \"OPENAI_EMBED_MODEL\": \"text-embedding-3-small\"\n      }\n    }\n  }\n}\n```\n\n### Other OpenAI-compatible APIs (Groq, vLLM, LiteLLM)\n\nAny endpoint implementing the [OpenAI Embeddings API](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fapi-reference\u002Fembeddings) works:\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"npx\",\n      \"args\": [\"-y\", \"contextplus\"],\n      \"env\": {\n        \"CONTEXTPLUS_EMBED_PROVIDER\": \"openai\",\n        \"CONTEXTPLUS_OPENAI_API_KEY\": \"YOUR_KEY\",\n        \"CONTEXTPLUS_OPENAI_BASE_URL\": \"https:\u002F\u002Fyour-proxy.example.com\u002Fv1\",\n        \"CONTEXTPLUS_OPENAI_EMBED_MODEL\": \"your-model-name\"\n      }\n    }\n  }\n}\n```\n\n> **Note:** The `semantic_navigate` tool also uses a chat model for cluster labeling. When using the `openai` provider, set `CONTEXTPLUS_OPENAI_CHAT_MODEL` (default: `gpt-4o-mini`).\n>\n> For VS Code, Cursor, or OpenCode, use the same `env` block inside your IDE's MCP config format (see [Config file locations](#setup) table above).\n\n## Architecture\n\nThree layers built with TypeScript over stdio using the Model Context Protocol SDK:\n\n**Core** (`src\u002Fcore\u002F`) - Multi-language AST parsing (tree-sitter, 43 extensions), gitignore-aware traversal, Ollama vector embeddings with disk cache, wikilink hub graph, in-memory property graph with decay scoring.\n\n**Tools** (`src\u002Ftools\u002F`) - 17 MCP tools exposing structural, semantic, operational, and memory graph capabilities.\n\n**Git** (`src\u002Fgit\u002F`) - Shadow restore point system for undo without touching git history.\n\n**Runtime Cache** (`.mcp_data\u002F`) - created on server startup; stores reusable file, identifier, and call-site embeddings to avoid repeated GPU\u002FCPU embedding work. A realtime tracker refreshes changed files\u002Ffunctions incrementally.\n\n## Config\n\n| Variable                                | Type                      | Default                                | Description                                                   |\n| --------------------------------------- | ------------------------- | -------------------------------------- | ------------------------------------------------------------- |\n| `CONTEXTPLUS_EMBED_PROVIDER`            | string                    | `ollama`                               | Embedding backend: `ollama` or `openai`                      |\n| `OLLAMA_EMBED_MODEL`                    | string                    | `nomic-embed-text`                     | Ollama embedding model                                        |\n| `OLLAMA_API_KEY`                        | string                    | -                                      | Ollama Cloud API key                                          |\n| `OLLAMA_CHAT_MODEL`                     | string                    | `llama3.2`                             | Ollama chat model for cluster labeling                        |\n| `CONTEXTPLUS_OPENAI_API_KEY`            | string                    | -                                      | API key for OpenAI-compatible provider (alias: `OPENAI_API_KEY`) |\n| `CONTEXTPLUS_OPENAI_BASE_URL`           | string                    | `https:\u002F\u002Fapi.openai.com\u002Fv1`            | OpenAI-compatible endpoint URL (alias: `OPENAI_BASE_URL`)    |\n| `CONTEXTPLUS_OPENAI_EMBED_MODEL`        | string                    | `text-embedding-3-small`               | OpenAI-compatible embedding model (alias: `OPENAI_EMBED_MODEL`) |\n| `CONTEXTPLUS_OPENAI_CHAT_MODEL`         | string                    | `gpt-4o-mini`                          | OpenAI-compatible chat model for labeling (alias: `OPENAI_CHAT_MODEL`) |\n| `CONTEXTPLUS_EMBED_BATCH_SIZE`          | string (parsed as number) | `8`                | Embedding batch size per GPU call, clamped to 5-10            |\n| `CONTEXTPLUS_EMBED_CHUNK_CHARS`         | string (parsed as number) | `2000`             | Per-chunk chars before merge, clamped to 256-8000             |\n| `CONTEXTPLUS_MAX_EMBED_FILE_SIZE`       | string (parsed as number) | `51200`            | Skip non-code text files larger than this many bytes          |\n| `CONTEXTPLUS_EMBED_NUM_GPU`             | string (parsed as number) | -                  | Optional Ollama embed runtime `num_gpu` override              |\n| `CONTEXTPLUS_EMBED_MAIN_GPU`            | string (parsed as number) | -                  | Optional Ollama embed runtime `main_gpu` override             |\n| `CONTEXTPLUS_EMBED_NUM_THREAD`          | string (parsed as number) | -                  | Optional Ollama embed runtime `num_thread` override           |\n| `CONTEXTPLUS_EMBED_NUM_BATCH`           | string (parsed as number) | -                  | Optional Ollama embed runtime `num_batch` override            |\n| `CONTEXTPLUS_EMBED_NUM_CTX`             | string (parsed as number) | -                  | Optional Ollama embed runtime `num_ctx` override              |\n| `CONTEXTPLUS_EMBED_LOW_VRAM`            | string (parsed as boolean)| -                  | Optional Ollama embed runtime `low_vram` override             |\n| `CONTEXTPLUS_EMBED_TRACKER`             | string (parsed as boolean)| `true`             | Enable realtime embedding refresh on file changes             |\n| `CONTEXTPLUS_EMBED_TRACKER_MAX_FILES`   | string (parsed as number) | `8`                | Max changed files processed per tracker tick, clamped to 5-10 |\n| `CONTEXTPLUS_EMBED_TRACKER_DEBOUNCE_MS` | string (parsed as number) | `700`              | Debounce window before tracker refresh                        |\n\n## Test\n\n```bash\nnpm test\nnpm run test:demo\nnpm run test:all\n```\n","# 上下文+\n\n面向大规模工程的语义智能。\n\nContext+ 是一款 MCP 服务器，专为追求 99% 准确率的开发者设计。通过结合 RAG、Tree-sitter AST、谱聚类以及 Obsidian 风格的链接功能，Context+ 可以将庞大的代码库转化为可搜索的分层特性图。\n\n**既然你在这里，不妨看看我的另一个项目 Airena。组建一支 AI 代理团队，与其他编排者展开对决。排行榜第一名将获得 1600 美元的奖金！**\n\nhttps:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fa97a451f-c9b4-468d-b036-15b65fc13e79\n\n## 工具\n\n### 发现\n\n| 工具                         | 描述                                                                                                                                                      |\n| ---------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------- |\n| `get_context_tree`           | 项目的结构化 AST 树，包含文件头和符号范围（函数\u002F类\u002F方法的行号）。动态剪枝会自动缩减输出内容。                                                     |\n| `get_file_skeleton`          | 函数签名、类方法和类型定义，附带行号范围，无需读取完整函数体。展示 API 表面。                                                                           |\n| `semantic_code_search`       | 按语义而非精确文本进行搜索。基于文件头\u002F符号的嵌入向量进行检索，并返回匹配的符号定义行。                                                        |\n| `semantic_identifier_search` | 针对函数\u002F类\u002F变量的标识符级语义检索，按调用站点和行号排序。                                                                                     |\n| `semantic_navigate`          | 使用谱聚类按语义浏览代码库。将语义相关的文件分组到带有标签的簇中。                                                                                   |\n\n### 分析\n\n| 工具                  | 描述                                                                                                                   |\n| --------------------- | ----------------------------------------------------------------------------------------------------------------------------- |\n| `get_blast_radius`    | 追踪符号被导入或使用的每一个文件和行。防止出现孤立引用。                                   |\n| `run_static_analysis` | 运行原生 linter 和编译器，查找未使用的变量、死代码和类型错误。支持 TypeScript、Python、Rust 和 Go。 |\n\n### 代码运维\n\n| 工具              | 描述                                                                                                              |\n| ----------------- | ------------------------------------------------------------------------------------------------------------------------ |\n| `propose_commit`  | 编写代码的唯一方式。在保存前会根据严格规则进行验证。写入前会创建一个影子恢复点。 |\n| `get_feature_hub` | Obsidian 风格的特性枢纽导航器。枢纽是带有 `[[wikilinks]]` 的 `.md` 文件，用于将特性映射到代码文件。         |\n\n### 版本控制\n\n| 工具                  | 描述                                                                                                |\n| --------------------- | ---------------------------------------------------------------------------------------------------------- |\n| `list_restore_points` | 列出由 `propose_commit` 创建的所有影子恢复点。每个恢复点都记录了 AI 修改之前的文件状态。    |\n| `undo_change`         | 将文件恢复到特定 AI 修改之前的状态。使用影子恢复点。不会影响 Git。                             |\n\n### 内存与 RAG\n\n| 工具                      | 描述                                                                                              |\n| ------------------------- | -------------------------------------------------------------------------------------------------------- |\n| `upsert_memory_node`      | 创建或更新内存节点（概念、文件、符号、笔记），并自动生成嵌入向量。             |\n| `create_relation`         | 在节点之间创建有类型的边（relates_to、depends_on、implements、references、similar_to、contains）。 |\n| `search_memory_graph`     | 基于图遍历的语义搜索——先找到直接匹配项，再遍历一阶和二阶邻居。         |\n| `prune_stale_links`       | 移除衰减的边（e^(-λt) 低于阈值）以及访问次数过低的孤立节点。                  |\n| `add_interlinked_context` | 批量添加节点，并自动建立相似度链接（余弦相似度 ≥ 0.72 时会自动创建边）。                 |\n| `retrieve_with_traversal` | 从某个节点出发向外遍历——返回所有可达邻居，并按衰减程度和深度评分。          |\n\n> **互补服务器：** [pmll-memory-mcp](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fpmll-memory-mcp) (`npx pmll-memory-mcp`) 是 [@drQedwards](https:\u002F\u002Fgithub.com\u002FdrQedwards) 开发的独立 MCP 服务器，它基于 Context+ 的长期记忆图，增加了短期 KV 上下文记忆、Q-promise 去重功能以及解决方案引擎。详情请参阅 [drQedwards\u002FPPM](https:\u002F\u002Fgithub.com\u002FdrQedwards\u002FPPM)。\n\n## 设置\n\n### 快速入门（npx \u002F bunx）\n\n无需安装。将 Context+ 添加到你的 IDE MCP 配置中。\n\n对于 Claude Code、Cursor 和 Windsurf，使用 `mcpServers`：\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"bunx\",\n      \"args\": [\"contextplus\"],\n      \"env\": {\n        \"OLLAMA_EMBED_MODEL\": \"nomic-embed-text\",\n        \"OLLAMA_CHAT_MODEL\": \"gemma2:27b\",\n        \"OLLAMA_API_KEY\": \"YOUR_OLLAMA_API_KEY\"\n      }\n    }\n  }\n}\n```\n\n对于 VS Code（`.vscode\u002Fmcp.json`），使用 `servers` 和 `inputs`：\n\n```json\n{\n  \"servers\": {\n    \"contextplus\": {\n      \"type\": \"stdio\",\n      \"command\": \"bunx\",\n      \"args\": [\"contextplus\"],\n      \"env\": {\n        \"OLLAMA_EMBED_MODEL\": \"nomic-embed-text\",\n        \"OLLAMA_CHAT_MODEL\": \"gemma2:27b\",\n        \"OLLAMA_API_KEY\": \"YOUR_OLLAMA_API_KEY\"\n      }\n    }\n  },\n  \"inputs\": []\n}\n```\n\n如果你更喜欢使用 `npx`，可以这样设置：\n\n- `\"command\": \"npx\"`\n- `\"args\": [\"-y\", \"contextplus\"]`\n\n或者直接在当前目录生成 MCP 配置文件：\n\n```bash\nnpx -y contextplus init claude\nbunx contextplus init cursor\nnpx -y contextplus init opencode\n```\n\n支持的编码助手名称：`claude`、`cursor`、`vscode`、`windsurf`、`opencode`。\n\n配置文件位置：\n\n| IDE         | 配置文件          |\n| ----------- | -------------------- |\n| Claude Code | `.mcp.json`          |\n| Cursor      | `.cursor\u002Fmcp.json`   |\n| VS Code     | `.vscode\u002Fmcp.json`   |\n| Windsurf    | `.windsurf\u002Fmcp.json` |\n| OpenCode    | `opencode.json`      |\n\n### CLI 子命令\n\n- `init [target]` - 生成 MCP 配置（目标：`claude`、`cursor`、`vscode`、`windsurf`、`opencode`）。\n- `skeleton [path]` 或 `tree [path]` - **（新增）** 直接在终端中查看项目的结构树，包含文件头和符号定义。\n- `[path]` - 为指定路径启动 MCP 服务器（标准输入输出），默认为当前目录。\n\n### 从源码安装\n\n```bash\nnpm install\nnpm run build\n```\n\n## 嵌入提供者\n\nContext+ 支持两种由 `CONTEXTPLUS_EMBED_PROVIDER` 控制的嵌入后端：\n\n| 提供者 | 值       | 需要             | 适用场景           |\n|--------|----------|------------------|--------------------|\n| **Ollama**（默认） | `ollama` | 本地 Ollama 服务器 | 免费、离线、私密   |\n| **OpenAI 兼容**    | `openai` | API 密钥         | Gemini（免费层）、OpenAI、Groq、vLLM |\n\n### Ollama（默认）\n\n无需额外配置。只需运行带有嵌入模型的 Ollama 即可：\n\n```bash\nollama pull nomic-embed-text\nollama serve\n```\n\n### Google Gemini（免费层）\n\n完整的 Claude Code `.mcp.json` 示例：\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"npx\",\n      \"args\": [\"-y\", \"contextplus\"],\n      \"env\": {\n        \"CONTEXTPLUS_EMBED_PROVIDER\": \"openai\",\n        \"CONTEXTPLUS_OPENAI_API_KEY\": \"YOUR_GEMINI_API_KEY\",\n        \"CONTEXTPLUS_OPENAI_BASE_URL\": \"https:\u002F\u002Fgenerativelanguage.googleapis.com\u002Fv1beta\u002Fopenai\",\n        \"CONTEXTPLUS_OPENAI_EMBED_MODEL\": \"text-embedding-004\"\n      }\n    }\n  }\n}\n```\n\n可在 [Google AI Studio](https:\u002F\u002Faistudio.google.com\u002Fapikey) 获取免费 API 密钥。\n\n### OpenAI\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"npx\",\n      \"args\": [\"-y\", \"contextplus\"],\n      \"env\": {\n        \"CONTEXTPLUS_EMBED_PROVIDER\": \"openai\",\n        \"OPENAI_API_KEY\": \"sk-...\",\n        \"OPENAI_EMBED_MODEL\": \"text-embedding-3-small\"\n      }\n    }\n  }\n}\n```\n\n### 其他 OpenAI 兼容 API（Groq、vLLM、LiteLLM）\n\n任何实现 [OpenAI Embeddings API](https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fapi-reference\u002Fembeddings) 的端点均可使用：\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"npx\",\n      \"args\": [\"-y\", \"contextplus\"],\n      \"env\": {\n        \"CONTEXTPLUS_EMBED_PROVIDER\": \"openai\",\n        \"CONTEXTPLUS_OPENAI_API_KEY\": \"YOUR_KEY\",\n        \"CONTEXTPLUS_OPENAI_BASE_URL\": \"https:\u002F\u002Fyour-proxy.example.com\u002Fv1\",\n        \"CONTEXTPLUS_OPENAI_EMBED_MODEL\": \"your-model-name\"\n      }\n    }\n  }\n}\n```\n\n> **注意：** `semantic_navigate` 工具也会使用聊天模型进行聚类标注。当使用 `openai` 提供者时，请设置 `CONTEXTPLUS_OPENAI_CHAT_MODEL`（默认值为 `gpt-4o-mini`）。\n>\n> 对于 VS Code、Cursor 或 OpenCode，可在 IDE 的 MCP 配置格式中使用相同的 `env` 块（参见上文的【配置文件位置】表格）。\n\n## 架构\n\n基于 Model Context Protocol SDK，使用 TypeScript 和标准输入输出构建的三层架构：\n\n**核心层**（`src\u002Fcore\u002F`）- 多语言 AST 解析（tree-sitter，43 个扩展）、支持 `.gitignore` 的遍历、带磁盘缓存的 Ollama 向量嵌入、维基链接枢纽图、带有衰减评分的内存属性图。\n\n**工具层**（`src\u002Ftools\u002F`）- 17 个 MCP 工具，提供结构化、语义化、操作性和内存图功能。\n\n**Git 层**（`src\u002Fgit\u002F`）- 影子还原点系统，用于撤销操作而不会影响 Git 历史记录。\n\n**运行时缓存**（`.mcp_data\u002F`）- 在服务器启动时创建；存储可重用的文件、标识符和调用站点嵌入，以避免重复的 GPU\u002FCPU 嵌入计算。实时跟踪器会增量刷新已更改的文件\u002F函数。\n\n## 配置\n\n| 变量                                | 类型                      | 默认值                                | 描述                                                   |\n| --------------------------------------- | ------------------------- | -------------------------------------- | ------------------------------------------------------------- |\n| `CONTEXTPLUS_EMBED_PROVIDER`            | 字符串                    | `ollama`                               | 嵌入模型后端：`ollama` 或 `openai`                      |\n| `OLLAMA_EMBED_MODEL`                    | 字符串                    | `nomic-embed-text`                     | Ollama 嵌入模型                                        |\n| `OLLAMA_API_KEY`                        | 字符串                    | -                                      | Ollama Cloud API 密钥                                  |\n| `OLLAMA_CHAT_MODEL`                     | 字符串                    | `llama3.2`                             | 用于聚类标注的 Ollama 对话模型                         |\n| `CONTEXTPLUS_OPENAI_API_KEY`            | 字符串                    | -                                      | 兼容 OpenAI 的提供商 API 密钥（别名：`OPENAI_API_KEY`） |\n| `CONTEXTPLUS_OPENAI_BASE_URL`           | 字符串                    | `https:\u002F\u002Fapi.openai.com\u002Fv1`            | 兼容 OpenAI 的 API 端点 URL（别名：`OPENAI_BASE_URL`）  |\n| `CONTEXTPLUS_OPENAI_EMBED_MODEL`        | 字符串                    | `text-embedding-3-small`               | 兼容 OpenAI 的嵌入模型（别名：`OPENAI_EMBED_MODEL`）   |\n| `CONTEXTPLUS_OPENAI_CHAT_MODEL`         | 字符串                    | `gpt-4o-mini`                          | 用于标注的兼容 OpenAI 的对话模型（别名：`OPENAI_CHAT_MODEL`） |\n| `CONTEXTPLUS_EMBED_BATCH_SIZE`          | 字符串（解析为数字）      | `8`                | 每次 GPU 调用的嵌入批次大小，限制在 5–10 之间          |\n| `CONTEXTPLUS_EMBED_CHUNK_CHARS`         | 字符串（解析为数字）      | `2000`             | 合并前每个分块的字符数，限制在 256–8000 之间         |\n| `CONTEXTPLUS_MAX_EMBED_FILE_SIZE`       | 字符串（解析为数字）      | `51200`            | 跳过大于此字节数的非代码文本文件                      |\n| `CONTEXTPLUS_EMBED_NUM_GPU`             | 字符串（解析为数字）      | -                  | 可选的 Ollama 嵌入运行时 `num_gpu` 替代值              |\n| `CONTEXTPLUS_EMBED_MAIN_GPU`            | 字符串（解析为数字）      | -                  | 可选的 Ollama 嵌入运行时 `main_gpu` 替代值             |\n| `CONTEXTPLUS_EMBED_NUM_THREAD`          | 字符串（解析为数字）      | -                  | 可选的 Ollama 嵌入运行时 `num_thread` 替代值           |\n| `CONTEXTPLUS_EMBED_NUM_BATCH`           | 字符串（解析为数字）      | -                  | 可选的 Ollama 嵌入运行时 `num_batch` 替代值            |\n| `CONTEXTPLUS_EMBED_NUM_CTX`             | 字符串（解析为数字）      | -                  | 可选的 Ollama 嵌入运行时 `num_ctx` 替代值              |\n| `CONTEXTPLUS_EMBED_LOW_VRAM`            | 字符串（解析为布尔值）    | -                  | 可选的 Ollama 嵌入运行时 `low_vram` 替代值             |\n| `CONTEXTPLUS_EMBED_TRACKER`             | 字符串（解析为布尔值）    | `true`             | 在文件变更时启用实时嵌入刷新                          |\n| `CONTEXTPLUS_EMBED_TRACKER_MAX_FILES`   | 字符串（解析为数字）      | `8`                | 每次跟踪器刷新处理的最大变更文件数，限制在 5–10 之间  |\n| `CONTEXTPLUS_EMBED_TRACKER_DEBOUNCE_MS` | 字符串（解析为数字）      | `700`              | 跟踪器刷新前的去抖动时间窗口                          |\n\n## 测试\n\n```bash\nnpm test\nnpm run test:demo\nnpm run test:all\n```","# Context+ 快速上手指南\n\nContext+ 是一个专为大规模工程设计的 MCP（Model Context Protocol）服务器。它结合 RAG、Tree-sitter AST 分析、谱聚类和 Obsidian 风格的链接技术，将庞大的代码库转化为可搜索、分层级的特征图谱，旨在为开发者提供 99% 准确率的语义智能支持。\n\n## 环境准备\n\n在开始之前，请确保满足以下系统要求和前置依赖：\n\n*   **运行时环境**：\n    *   推荐安装 [Bun](https:\u002F\u002Fbun.sh\u002F) (性能更优) 或 [Node.js](https:\u002F\u002Fnodejs.org\u002F) (v18+)。\n    *   若使用 `npx`，需确保 npm 已安装。\n*   **嵌入模型后端 (二选一)**：\n    *   **方案 A (推荐\u002F免费\u002F离线)**：安装并运行 [Ollama](https:\u002F\u002Follama.com\u002F)。\n        *   需拉取嵌入模型：`ollama pull nomic-embed-text`\n        *   需拉取聊天模型（用于聚类标签）：`ollama pull gemma2:27b` (或 `llama3.2`)\n    *   **方案 B (API\u002F云端)**：拥有 OpenAI 兼容的 API Key (如 OpenAI, Google Gemini, Groq 等)。\n        *   国内用户推荐使用 **Google Gemini** (免费层可用) 或国内加速的 OpenAI 兼容接口。\n*   **IDE 支持**：\n    *   支持配置 MCP 的编辑器，如 **Cursor**, **VS Code**, **Windsurf**, **Claude Code** 等。\n\n## 安装步骤\n\nContext+ 无需全局安装，可直接通过 `npx` 或 `bunx` 在 IDE 配置中调用，也可生成配置文件。\n\n### 方式一：自动生成配置文件 (推荐)\n\n在项目根目录或全局配置目录下，运行以下命令自动生成对应 IDE 的 MCP 配置文件：\n\n```bash\n# 根据你使用的 IDE 选择对应的命令\nnpx -y contextplus init claude    # 生成 .mcp.json\nnpx -y contextplus init cursor    # 生成 .cursor\u002Fmcp.json\nnpx -y contextplus init vscode    # 生成 .vscode\u002Fmcp.json\nnpx -y contextplus init windsurf  # 生成 .windsurf\u002Fmcp.json\nnpx -y contextplus init opencode  # 生成 opencode.json\n```\n\n### 方式二：手动配置\n\n如果自动命令未生效，可手动编辑 IDE 的 MCP 配置文件。\n\n**1. 使用 Ollama (本地离线模式)**\n\n编辑配置文件 (例如 `.cursor\u002Fmcp.json` 或 `.vscode\u002Fmcp.json`)：\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"bunx\",\n      \"args\": [\"contextplus\"],\n      \"env\": {\n        \"OLLAMA_EMBED_MODEL\": \"nomic-embed-text\",\n        \"OLLAMA_CHAT_MODEL\": \"gemma2:27b\",\n        \"OLLAMA_API_KEY\": \"YOUR_OLLAMA_API_KEY\" \n      }\n    }\n  }\n}\n```\n*注：若使用 `npx`，请将 `command` 改为 `\"npx\"`，`args` 改为 `[\"-y\", \"contextplus\"]`。本地 Ollama 通常不需要 API Key，除非连接 Ollama Cloud。*\n\n**2. 使用 Google Gemini (免费 API 模式)**\n\n适合没有本地 GPU 资源的开发者。需在 [Google AI Studio](https:\u002F\u002Faistudio.google.com\u002Fapikey) 获取 Key。\n\n```json\n{\n  \"mcpServers\": {\n    \"contextplus\": {\n      \"command\": \"npx\",\n      \"args\": [\"-y\", \"contextplus\"],\n      \"env\": {\n        \"CONTEXTPLUS_EMBED_PROVIDER\": \"openai\",\n        \"CONTEXTPLUS_OPENAI_API_KEY\": \"YOUR_GEMINI_API_KEY\",\n        \"CONTEXTPLUS_OPENAI_BASE_URL\": \"https:\u002F\u002Fgenerativelanguage.googleapis.com\u002Fv1beta\u002Fopenai\",\n        \"CONTEXTPLUS_OPENAI_EMBED_MODEL\": \"text-embedding-004\",\n        \"CONTEXTPLUS_OPENAI_CHAT_MODEL\": \"gpt-4o-mini\"\n      }\n    }\n  }\n}\n```\n\n## 基本使用\n\n配置完成后，重启你的 IDE 或重新加载窗口以激活 MCP 服务器。你可以在 AI 助手对话框中直接使用以下自然语言指令调用工具功能：\n\n### 1. 探索代码结构\n询问代码库的整体架构或特定文件的功能表面：\n> \"展示当前项目的结构树，包含文件和符号范围。\"\n> (触发工具：`get_context_tree`)\n\n> \"生成 src\u002Futils 目录下所有文件的骨架，只显示函数签名和类型定义。\"\n> (触发工具：`get_file_skeleton`)\n\n### 2. 语义搜索与导航\n不再依赖精确文本匹配，而是通过含义查找代码：\n> \"查找处理用户登录验证逻辑的所有函数。\"\n> (触发工具：`semantic_code_search`)\n\n> \"浏览代码库，将语义相关的文件分组并展示集群标签。\"\n> (触发工具：`semantic_navigate`)\n\n### 3. 影响分析与静态检查\n在修改代码前评估风险：\n> \"如果我修改了 `UserService` 类，会影响哪些文件和行？\"\n> (触发工具：`get_blast_radius`)\n\n> \"运行静态分析，找出项目中未使用的变量和死代码。\"\n> (触发工具：`run_static_analysis`)\n\n### 4. 安全写入与回滚\nContext+ 提供了独特的“影子恢复点”机制，确保 AI 写代码的安全：\n> \"重构 `auth.ts` 文件以优化性能。\"\n> (触发工具：`propose_commit` - 写入前会创建恢复点)\n\n> \"撤销上一次 AI 对 `auth.ts` 的更改。\"\n> (触发工具：`undo_change` - 不影响 Git 历史，仅恢复文件状态)\n\n### 5. 终端直接查看 (CLI)\n你也可以直接在终端查看项目结构，无需启动 IDE：\n\n```bash\n# 查看项目结构树\nbunx contextplus tree .\u002Fsrc\n\n# 查看特定文件的骨架\nbunx contextplus skeleton .\u002Fsrc\u002Fmain.ts\n```\n\n---\n*提示：首次运行时，Context+ 会在 `.mcp_data\u002F` 目录构建嵌入缓存，这可能需要几分钟时间，取决于项目大小。后续操作将显著加速。*","某资深后端工程师正接手一个拥有百万行代码的遗留微服务项目，急需在不破坏现有逻辑的前提下重构核心支付模块并清理死代码。\n\n### 没有 contextplus 时\n- 面对庞大的代码库，工程师只能依靠全局文本搜索查找函数定义，常被大量同名变量或注释干扰，难以定位真实调用处。\n- 修改某个底层工具类时，因无法精准追踪所有引用点（Blast Radius），担心引发隐蔽的连锁崩溃，不敢轻易动手。\n- 理解业务特征需人工阅读数十个分散文件来拼凑逻辑，缺乏层级视图，极易遗漏关键依赖导致重构失败。\n- 让 AI 助手直接生成代码时，常因上下文缺失产生幻觉代码，且一旦出错难以回滚，只能手动逐行撤销 Git 提交。\n\n### 使用 contextplus 后\n- 利用 `semantic_identifier_search` 进行语义级检索，瞬间锁定目标函数的精确定义及所有排名靠前的调用位置，准确率接近 100%。\n- 运行 `get_blast_radius` 自动绘制影响范围图，清晰展示每一处受影响的文件和行号，确保重构操作安全无死角。\n- 通过 `semantic_navigate` 的谱聚类功能，将语义相关的文件自动归组为带标签的集群，配合 `get_feature_hub` 的维基链接快速构建业务全景图。\n- 使用 `propose_commit` 在写入前进行严格规则校验并自动生成影子还原点，若结果不满意可直接用 `undo_change` 一键恢复，完全不影响 Git 历史。\n\ncontextplus 将混乱的代码海洋转化为可搜索、可追溯的特征图谱，让大规模工程重构从“走钢丝”变为“按图施工”。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FForLoopCodes_contextplus_440fb3cb.png","ForLoopCodes","ForLoop","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FForLoopCodes_edc683c8.jpg","𝖌𝖔𝖉'𝖘 𝖈𝖍𝖔𝖘𝖊𝖓 𝖑𝖑𝖒",null,"https:\u002F\u002Fgithub.com\u002FForLoopCodes",[79,83,87],{"name":80,"color":81,"percentage":82},"TypeScript","#3178c6",58.8,{"name":84,"color":85,"percentage":86},"JavaScript","#f1e05a",39.4,{"name":88,"color":89,"percentage":90},"CSS","#663399",1.9,1757,136,"2026-04-10T10:11:17","MIT","Linux, macOS, Windows","非必需。默认使用本地 CPU 运行 Ollama；若使用本地大模型（如 gemma2:27b）建议具备足够显存，或使用云端 API 替代。","未说明（取决于所选模型大小，运行 27B 参数模型建议 32GB+）",{"notes":99,"python":100,"dependencies":101},"该工具基于 TypeScript 开发，需通过 npx 或 bunx 运行，无需传统 Python 环境。核心依赖为本地运行的 Ollama 服务（用于嵌入和聊天模型）或兼容 OpenAI 格式的 API（如 Google Gemini, Groq 等）。默认嵌入模型为 nomic-embed-text，聊天模型默认为 llama3.2（可配置为 gemma2:27b 等）。首次运行需拉取相应的 Ollama 模型或配置 API Key。支持多种 IDE（Claude Code, Cursor, VS Code, Windsurf）的 MCP 协议集成。","未说明",[102,103,104,105],"Node.js\u002Fnpm\u002Fbun","Ollama (可选)","Tree-sitter","@modelcontextprotocol\u002Fsdk",[14,52],[108],"mcp-server","2026-03-27T02:49:30.150509","2026-04-11T00:40:28.012404",[112,117,122,127,132,137,142],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},28513,"Context+ 是否必须使用 Ollama？能否使用 OpenAI 或其他模型？","不一定必须使用 Ollama。虽然默认配置常与 Ollama 搭配，但社区已经提交了支持 OpenAI 的 Pull Request。如果你不想等待官方 npm 版本更新，可以直接从源代码构建以使用 OpenAI 等其他模型。参考 PR: https:\u002F\u002Fgithub.com\u002Fcrloz\u002Fcontextplus\u002Fpull\u002F1","https:\u002F\u002Fgithub.com\u002FForLoopCodes\u002Fcontextplus\u002Fissues\u002F20",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},28514,"如何在 OpenCode (opencode.ai) 中配置 Context+？","可以在 OpenCode 的配置文件（如 opencode.json）中添加 MCP 配置。以下是一个可用的配置示例：\n{\n  \"$schema\": \"https:\u002F\u002Fopencode.ai\u002Fconfig.json\",\n  \"mcp\": {\n    \"contextplus\": {\n      \"type\": \"local\",\n      \"command\": [\"npx\", \"-y\", \"contextplus\"],\n      \"enabled\": true,\n      \"environment\": {\n        \"OLLAMA_EMBED_MODEL\": \"nomic-embed-text\",\n        \"OLLAMA_CHAT_MODEL\": \"gemma2:27b\",\n        \"CONTEXTPLUS_EMBED_BATCH_SIZE\": \"8\"\n      }\n    }\n  }\n}\n注意：如果在 DevContainer 中使用，需确保宿主机的 Ollama 服务能正确桥接到容器内。","https:\u002F\u002Fgithub.com\u002FForLoopCodes\u002Fcontextplus\u002Fissues\u002F8",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},28515,"遇到 'Unable to embed oversized input' 错误怎么办？","该错误通常发生在项目包含大型非代码文件（如大 JSON、GeoJSON、CSV）时，工具尝试嵌入整个文件导致超出上下文窗口。维护者已修复此问题，请升级到最新版本。修复后，工具应能跳过非代码文件或自动分块处理大文件，避免嵌入失败。","https:\u002F\u002Fgithub.com\u002FForLoopCodes\u002Fcontextplus\u002Fissues\u002F15",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},28516,"在大型代码库中使用 semantic_code_search 报错 'input length exceeds context length' 如何解决？","这是由于旧版本将过多文件内容批量发送给嵌入模型导致的。该问题已在 contextplus@1.0.3 版本中修复。请将你的 Context+ 升级到 1.0.3 或更高版本即可解决。升级命令通常为更新 npm\u002Fbun 包或重新运行安装脚本。","https:\u002F\u002Fgithub.com\u002FForLoopCodes\u002Fcontextplus\u002Fissues\u002F6",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},28517,"如何配置远程 Ollama 主机（非 localhost）？","早期版本不支持在 .mcp.json 中通过环境变量设置 OLLAMA_HOST。该功能已被确认为缺陷并正在修复中（已有相关 PR）。在修复发布前，你可能需要修改源码或等待新版本发布以支持远程 Ollama 连接。","https:\u002F\u002Fgithub.com\u002FForLoopCodes\u002Fcontextplus\u002Fissues\u002F3",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},28518,"MCP 服务器进程在会话结束后未退出并占用大量磁盘空间怎么办？","这是一个已知的僵尸进程问题，当父进程（如 Claude Code）结束时，MCP 服务器未能检测到并退出，导致持续写入数据。临时解决方法是手动杀死这些进程：\npgrep -f contextplus | xargs kill -9\n维护者计划通过监控 stdin 关闭或父进程 PID 来从根本上修复此问题。请留意后续版本更新。","https:\u002F\u002Fgithub.com\u002FForLoopCodes\u002Fcontextplus\u002Fissues\u002F10",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},28519,"NPM 页面上显示的许可证为 'None'，实际是什么许可证？","该项目实际采用 MIT 许可证。NPM 页面显示 'None' 是因为发布配置遗漏了许可证字段。维护者已确认并修复了此问题，后续发布的版本将正确显示 MIT 许可证。","https:\u002F\u002Fgithub.com\u002FForLoopCodes\u002Fcontextplus\u002Fissues\u002F11",[]]