zilliztech / claude-context

问题：接手一个百万行代码的旧项目，AI助手每次请求都要加载整个目录，响应慢且费用高。

方案：将整个代码库向量化存储，AI助手通过语义搜索精准定位相关代码片段，无需加载全部文件。

示例：你在维护一个微服务架构，想修改用户认证逻辑，AI助手自动检索到所有涉及token验证、session管理的代码片段，而不是给你整个auth目录。

问题：重构一个函数时，难以发现它被哪些文件调用，手动搜索效率低且容易遗漏。

方案：语义搜索自动找出所有相关引用和依赖代码，AI助手在上下文中给出重构建议，确保改动覆盖全面。

示例：你重命名一个核心工具函数，AI助手从数十个文件中找到所有调用点，并同步更新调用方式。

问题：在复杂代码库中添加新功能，需要反复理解已有模块的接口和实现，打断开发节奏。

方案：AI助手根据你的自然语言描述，自动检索相关模块的代码作为上下文，直接生成符合现有风格的代码。

示例：你想在电商系统里加一个优惠券模块，AI助手自动找到订单、支付、用户积分等关联模块的代码，生成的新代码直接复用现有接口。

问题：审查PR或排查Bug时，需要手动翻阅多个文件来理解改动的影响范围，耗时且容易出错。

方案：向量数据库存储了代码语义，AI助手能快速定位与问题相关的所有代码片段，并分析改动的影响。

示例：你发现一个内存泄漏，AI助手搜索到所有涉及对象引用的代码，帮你定位到未释放的闭包或事件监听器。