AST 驱动的图索引流水线
GitNexus 先把多语言代码统一降维到 AST 层，再把符号定义与引用关系提升为图结构节点与边。这样设计的原因是代码智能的核心不是文本相似度，而是可验证的结构关系：导入、调用、继承、实现和文件组织都能被图表达。索引阶段把这些关系固化到图数据库后，查询阶段就能用关系运算一次性拿到完整上下游，而不依赖模型多轮试探。最终带来的工程收益是稳定性：同一问题不会因为上下文窗口切片不同而得到漂移答案。
GitNexus 的定位不是“把文件喂给模型”，而是把仓库本身变成可查询的结构化系统。它用 Tree-sitter 把多语言代码解析成 AST，再把符号、引用、导入、调用链与社区聚类写入图数据库 KuzuDB，让复杂依赖从文本匹配升级为关系查询。随后它在图上叠加混合检索：BM25 负责关键词召回，向量语义负责意图匹配，RRF 负责融合排序，把“找代码”变成稳定可解释的检索管线。最关键的是它把能力封装为 MCP 工具，AI 编程助手不再靠猜测去扫文件，而是直接拿到影响面、上下文与流程链路这类可执行答案，让重构、排障与代码审查从玄学变成工程。
| ✕传统痛点 | ✓创新方案 |
|---|---|
| 纯文本检索只回答“在哪个文件”，很难回答“为什么相关、会影响什么、改了会不会炸”，开发者不得不手工追调用链与依赖关系。 | GitNexus 先把代码预计算成知识图谱，把关系、聚类与流程信息在索引阶段就固化下来，查询时输出的是结构化答案而不是一堆碎片文件。 |
| 把仓库内容直接塞进上下文窗口会产生严重的随机性与遗漏：模型看见什么就答什么，越大仓库越容易漏掉关键引用与隐式依赖。 | 通过 MCP 工具化接口把“搜索、上下文、影响面、重命名、变更检测、图查询”变成可组合能力，让 AI 编程助手像调用数据库一样拿到可执行上下文。 |
1npx gitnexus analyze1npx gitnexus setup1npx -y gitnexus@latest mcp1open https://gitnexus.vercel.app| 核心场景 | 目标人群 | 解决方案 | 最终收益 |
|---|---|---|---|
| 重构前影响面评估 | 资深后端与架构师 | 用 impact/context 工具拉出上下游调用链与模块聚类并分层评估风险 | 把改动范围从猜测变成可审阅清单，显著降低线上回归 |
| 代码审计与安全排查 | 安全工程师与审计团队 | 基于图关系定位高风险入口、跨模块调用与隐式依赖并追踪到具体符号 | 提升审计覆盖率与可追溯性，减少漏查 |
| 新成员快速熟悉系统 | 新入职工程师 | 用混合检索与流程视图快速定位关键路径与核心模块边界 | 缩短上手时间，降低对口口相传的依赖 |
