使用说明

RAG项目-用于代码理解的MCP服务器

一种基于Rust的模型上下文协议（MCP）服务器，为AI助手提供强大的RAG（检索增强生成）功能，用于理解海量代码库。

概述

此MCP服务器使AI助手能够通过以下方式高效搜索和理解大型项目：

创建代码文件的语义嵌入
将它们存储在本地矢量数据库中
提供快速语义搜索功能
支持增量更新以提高效率

特性

本地优先：所有处理都使用fastembed-rs在本地进行（不需要API密钥）
混合搜索：使用往复式秩融合（RRF）将向量相似性与BM25关键字匹配相结合，以获得最佳结果
基于AST的分块：使用Tree sitter为12种语言提取语义单元（函数、类、方法）
全面的文件支持：索引40多种文件类型，包括代码、文档（带PDF）→Markdown转换）和配置文件
Git历史搜索：使用智能按需索引搜索提交历史记录（默认值：10次提交，仅根据需要进行更深入的索引）
多项目支持：通过项目筛选同时索引和查询多个代码库
智能索引：自动为新代码库执行完整索引，或为以前索引的代码库执行增量更新
跨进程锁定：基于文件系统的锁可防止多个进程（例如多个Claude Code会话）同时对同一代码库进行索引
并发访问保护：安全锁管理可防止多个代理尝试同时索引时索引损坏
稳定的嵌入式数据库：LanceDB矢量数据库（默认，无外部依赖），具有可选的Qdrant支持
语言检测：自动检测40多种文件类型（编程语言、文档格式和配置文件）
高级过滤：按文件类型、语言或路径模式搜索
尊敬的吉吉尼奥尔：在索引过程中自动排除忽略的文件
代码导航：查找定义、引用和调用图（轻量级LSP类功能）
自适应搜索阈值：未找到结果时自动降低相似性阈值（0.7→0.6→0.5→0.4→0.3）
Slash命令：通过MCP Prompts提供9个方便的斜线命令

MCP Slash命令

服务器提供了9个斜线命令，用于在Claude Code中快速访问：

/project:index -索引代码库目录（自动执行完整或增量）
/project:query -搜索索引代码库
/project:stats -获取索引统计信息
/project:clear -清除所有索引数据
/project:search -使用过滤器进行高级搜索
/project:git-search -使用按需索引搜索git提交历史记录
/project:definition -查找符号的定义位置（类似LSP）
/project:references -查找对某个符号的所有引用
/project:callgraph -获取函数的调用图（调用者/被调用者）

看 slash-commands.md 详细用法。

支持的文件类型

Project RAG自动索引和搜索 40+文件类型 分为三类：

编程语言（24种语言）

支持这些语言的基于AST的语义分块：

锈 (.rs)
python (.py)
JavaScript (.js, .mjs, .cjs), TypeScript (.ts), JSX (.jsx), 多伦多证券交易所 (.tsx)
去 (.go)
Java (.java)
C (.c), C (.cpp, .cc, .cxx), C/C++头文件 (.h, .hpp)
C (.cs)
迅速 (.swift)
Kotlin (.kt, .kts)
Scala (.scala)
红宝石 (.rb)
PHP (.php)
外壳 (.sh, .bash)
结构化查询语言 (.sql)
超文本标记语言 (.html, .htm)
层叠样式表 (.css), SCSS (.scss, .sass)

文档格式（8种格式）

对丰富内容进行特殊处理：

标记语言 (.md, .markdown)
PDF (.pdf) - 自动转换为Markdown 有桌子保护
重新结构化文本 (.rst)
AsciiDoc (.adoc, .asciidoc)
组织模式 (.org)
纯文本 (.txt)
日志文件 (.log)

PDF转换功能：

使用提取文本内容 pdf-extract 图书馆
自动转换为Markdown格式
蜜饯 表格结构 （检测制表符/空格分隔的列）
检测和格式化标题（所有大写线条和剖面标记）
智能处理多列布局
与任何其他文本文件一样的块（默认情况下每个块50行）

配置文件（8种格式）

为了全面了解项目：

JSON (.json)
YAML (.yaml, .yml)
汤姆 (.toml)
可扩展标记语言 (.xml)
INI (.ini)
配置文件 (.conf, .config, .cfg)
属性 (.properties)
环境 (.env)

示例用例

# Index documentation PDFs in your project
query_codebase("API authentication flow")  # Finds content in .pdf, .md, .rst files

# Search configuration files
query_codebase("database connection string")  # Finds .yaml, .toml, .env, .conf files

# Find code implementations
search_by_filters(query="JWT validation", file_extensions=["rs", "go"])

MCP工具

服务器提供了9个可以直接使用的工具：

指数_贬值 -智能地索引代码库目录
- 自动为新代码库执行完整索引
- 自动对以前索引的代码库执行增量更新
- 尊重、尊重和排除模式
- 返回模式信息（完整或增量）
查询_降级 -跨索引代码的混合语义+关键字搜索
- 将向量相似性与BM25关键字匹配相结合（默认启用）
- 返回包含向量和关键字分数的相关代码块
- 可配置的结果限制和分数阈值
- 多项目设置的可选项目筛选
get_统计 -获取索引代码库的统计信息
- 文件计数、块计数、嵌入计数
- 语言细分
clear_index -清除所有索引数据
- 删除整个矢量数据库集合
- 为新索引做准备
search_by_filters -带过滤器的高级混合搜索
- 始终使用混合搜索以获得最佳结果
- 按文件扩展名过滤（例如，[“rs”，“toml”]）
- 按编程语言筛选
- 按路径模式过滤
- 可选项目筛选
search_git_历史 -使用语义搜索搜索git提交历史
- 按需自动索引提交（默认：10次提交，可配置）
- 搜索提交消息、差异、作者信息和更改的文件
- 智能缓存：只根据需要索引新的提交
- 按作者姓名/电子邮件和文件路径过滤正则表达式
- 日期范围过滤（ISO 8601或Unix时间戳）
- 分行选择支持
find_definition -查找符号的定义位置（类似LSP）
- 指定文件路径、行号和列
- 返回包含符号元数据的定义位置
- 使用混合方法：高精度堆栈图（Python、TypeScript、Java、Ruby）或基于AST的RepoMap回退
- 报告结果的精度水平
查找引用 -查找对某个符号的所有引用
- 指定文件路径、行号和列
- 返回使用该符号的所有位置
- 对引用类型进行分类：调用、读取、写入、导入、类型引用、继承、实例化
- 可选：在结果中包含定义站点
get_call_graph -获取函数的调用图
- 为函数指定文件路径、行号和列
- 返回调用者（调用此函数的内容）和被调用者（此函数调用的内容）
- 可配置的遍历深度（默认值：1级）
- 有助于理解代码流和影响分析

先决条件

锈：1.88+支持Rust 2024版本
protobuf编译器：建筑所需（通过安装 sudo apt-get install protobuf-compiler 在Ubuntu/Debian上）

矢量数据库选项

LanceDB（默认-嵌入式，稳定）

无需额外设置！LanceDB是一个直接在应用程序中运行的嵌入式矢量数据库。它将数据存储在 ./.lancedb 默认情况下为目录。

为什么LanceDB是默认设置：

嵌入式 -无需外部依赖或服务器
稳定 -ACID交易证明了生产
丰富 -完整的SQL类过滤功能
内置混合搜索 -具有互易秩融合的Tantivy BM25+LanceDB向量
柱状存储器 -使用Apache Arrow高效处理大型数据集
零拷贝 -用于快速查询的内存映射文件

Qdrant（可选-基于服务器）

要使用Qdrant而不是LanceDB，请使用 qdrant-backend 特点：

cargo build --release --no-default-features --features qdrant-backend

然后启动Qdrant实例：

使用Docker（推荐）：

docker run -p 6333:6333 -p 6334:6334 \
    -v $(pwd)/qdrant_data:/qdrant/storage \
    qdrant/qdrant

使用Docker Compose：

version: '3.8'
services:
  qdrant:
    image: qdrant/qdrant
    ports:
      - "6333:6333"
      - "6334:6334"
    volumes:
      - ./qdrant_data:/qdrant/storage

或者单独下载： https://qdrant.tech/documentation/guides/installation/

安装

# Navigate to the project
cd project-rag

# Install protobuf compiler (Ubuntu/Debian)
sudo apt-get install protobuf-compiler

# Build the release binary (with default LanceDB backend - stable and embedded!)
cargo build --release

# Or build with Qdrant backend (requires external server)
cargo build --release --no-default-features --features qdrant-backend

# The binary will be at target/release/project-rag

用法

作为MCP服务器运行

服务器通过stdio按照MCP协议进行通信：

./target/release/project-rag

在Claude代码中配置

使用CLI将MCP服务器添加到Claude Code：

# Navigate to the project directory first
cd /path/to/project-rag

# Add the MCP server to Claude Code
claude mcp add project --command "$(pwd)/target/release/project-rag"

# Or with logging enabled
claude mcp add project --command "$(pwd)/target/release/project-rag" --env RUST_LOG=info

添加后，重新启动Claude Code以加载服务器。斜线命令(/project:index, /project:query等等）将立即可用。

在Claude Desktop中配置

添加到您的Claude Desktop配置中：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json Linux: ~/.config/Claude/claude_desktop_config.json 视窗: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "project-rag": {
      "command": "/absolute/path/to/project-rag/target/release/project-rag",
      "env": {
        "RUST_LOG": "info"
      }
    }
  }
}

备注：Claude Code和Claude Desktop是不同的产品，具有不同的配置方法。

工具使用示例

索引代码库：

{
  "path": "/path/to/your/project",
  "include_patterns": ["**/*.rs", "**/*.toml"],
  "exclude_patterns": ["**/target/**", "**/node_modules/**"],
  "max_file_size": 1048576
}

查询代码库：

{
  "query": "How does authentication work?",
  "limit": 10,
  "min_score": 0.7
}

高级筛选搜索：

{
  "query": "database connection pool",
  "limit": 5,
  "min_score": 0.75,
  "file_extensions": ["rs"],
  "languages": ["Rust"],
  "path_patterns": ["src/db"]
}

索引（或重新索引）代码库：

{
  "path": "/path/to/your/project",
  "include_patterns": [],
  "exclude_patterns": []
}

注意：这会自动为新代码库执行完整索引，或为以前索引的代码库执行增量更新。

查找符号的定义：

{
  "file_path": "/path/to/your/project/src/main.rs",
  "line": 42,
  "column": 10
}

查找对符号的所有引用：

{
  "file_path": "/path/to/your/project/src/lib.rs",
  "line": 15,
  "column": 8,
  "include_definition": false
}

获取函数的调用图：

{
  "file_path": "/path/to/your/project/src/api.rs",
  "line": 100,
  "column": 4,
  "depth": 2
}

建筑

project-rag/
├── src/
│   ├── bm25_search.rs      # Tantivy BM25 keyword search with RRF fusion
│   ├── client/             # High-level client API
│   │   ├── mod.rs          # RagClient - unified interface for all operations
│   │   └── indexing/       # Indexing pipeline with progress reporting
│   ├── embedding/          # FastEmbed integration for local embeddings
│   │   ├── mod.rs          # EmbeddingProvider trait
│   │   └── fastembed_manager.rs  # all-MiniLM-L6-v2 implementation
│   ├── vector_db/          # Vector database implementations
│   │   ├── mod.rs          # VectorDatabase trait
│   │   ├── lance_client.rs # LanceDB + Tantivy hybrid search (default)
│   │   └── qdrant_client.rs  # Qdrant implementation (optional)
│   ├── indexer/            # File walking and code chunking
│   │   ├── mod.rs          # Module exports
│   │   ├── file_walker.rs  # Directory traversal with .gitignore + 40+ file types
│   │   ├── chunker.rs      # Chunking strategies (AST-based, fixed-lines, sliding window)
│   │   ├── ast_parser.rs   # Tree-sitter AST parsing for 12 languages
│   │   └── pdf_extractor.rs # PDF to Markdown converter with table support
│   ├── relations/          # Code relationship analysis (LSP-like features)
│   │   ├── mod.rs          # RelationsProvider trait, HybridRelationsProvider
│   │   ├── types.rs        # SymbolId, Definition, Reference, CallEdge types
│   │   ├── repomap/        # AST-based symbol extraction (fallback provider)
│   │   │   ├── mod.rs      # RepoMapProvider
│   │   │   ├── symbol_extractor.rs  # Extract definitions from AST
│   │   │   └── reference_finder.rs  # Find references via identifier matching
│   │   ├── storage/        # Relations storage layer
│   │   │   ├── mod.rs      # RelationsStore trait
│   │   │   └── lance_store.rs  # LanceDB storage (placeholder)
│   │   └── stack_graphs/   # Optional: High-precision name resolution
│   │       └── mod.rs      # StackGraphsProvider (feature-gated)
│   ├── mcp_server.rs       # MCP server with 9 tools
│   ├── types/              # Request/Response types with JSON schema
│   │   └── mod.rs          # All MCP request/response types
│   ├── main.rs             # Binary entry point with stdio transport
│   └── lib.rs              # Library root
├── Cargo.toml              # Rust 2024 edition with dependencies
├── README.md               # This file
├── CONTRIBUTING.md         # Contributor guidelines
├── TESTING.md              # Testing guide
└── CLAUDE.md               # AI assistant instructions

配置

环境变量

RUST_LOG -设置日志记录级别（选项： error, warn, info, debug, trace)
- 例子： RUST_LOG=debug cargo run

Qdrant配置

目前硬编码为 http://localhost:6334
未来：添加配置文件支持

嵌入模型

违约： all-MiniLM-L6-v2 （384个维度）
首次运行下载模型（~50MB）到缓存

分块策略

默认：基于混合AST，可回退到固定线路
AST解析：提取Rust、Python、JavaScript、TypeScript、Go、Java、Swift、C、C++、C#、Ruby、PHP的语义单元（函数、类、方法）
后备方案：对于不支持的语言，每个块50行
替代：可配置重叠的滑动窗口

技术细节

嵌入

模型：全MiniLM-L6-v2（句子转换）
维度: 384
图书馆：带ONNX运行时的fastembed rs
演出：约500次嵌入/秒

向量数据库

发动机：Qdrant
距离度量：余弦相似性
索引：HNSW用于快速近似最近邻搜索
有效载荷：存储文件路径、项目、行号、语言、哈希、时间戳、内容

混合搜索

向量相似性：通过嵌入进行语义理解（LanceDB或Qdrant）
关键词匹配：通过Tantivy倒排索引进行全文BM25搜索
融合算法：k=60常数的互易秩融合（RRF）
BM25参数：使用Tantivy优化的BM25实现
排名：RRF使用1/（k+排名）公式组合两个排名
演出：并行查询两个索引以获得快速结果

自适应阈值逻辑

两者 query_codebase 和 search_by_filters 工具实现了智能自适应阈值降低：

它是如何工作的：

初始搜索使用所请求的 min_score 阈值（默认值：0.7）
如果未找到结果且阈值>0.3，则自动以较低的阈值重试
按顺序尝试的回退阈值：0.6→ 0.5 → 0.4 → 0.3
响应包括 threshold_used 和 threshold_lowered 透明度字段

优点：

防止语义相似度低于预期时出现空结果
尽可能选择更高的阈值来保持搜索质量
透明：您始终知道实际使用的阈值

示例响应：

{
  "results": [...],
  "duration_ms": 45,
  "threshold_used": 0.4,
  "threshold_lowered": true
}

轻量级LSP功能

Project RAG提供了类似于语言服务器协议（LSP）实现的代码导航功能，但针对语义搜索用例进行了优化：

查找定义 (find_definition):

定位定义符号（函数、类、变量）的位置
使用混合方法：Python、TypeScript、Java、Ruby的高精度堆栈图
对所有其他语言回归到基于AST的RepoMap分析
报告结果中的精度级别（高、中、低）

查找引用 (find_references):

查找整个代码库中使用符号的所有位置
对引用类型进行分类：调用、读取、写入、导入、类型引用、继承、实例化
有助于理解代码是如何连接的
包含/排除定义站点的选项

获取调用图 (get_call_graph):

分析函数调用关系
显示调用者（调用此函数的内容）和被调用者（此函数调用的内容）
多级分析的可配置遍历深度
非常适合影响分析和理解代码流

架构：

RelationsProvider (trait)
├── StackGraphsProvider (high precision: ~95%)
│   └── Supports: Python, TypeScript, Java, Ruby
└── RepoMapProvider (fallback: ~70% precision)
    └── Supports: All tree-sitter languages (12+)

何时使用：

查找定义“这个功能在哪里定义？”
查找引用：“从哪里调用此函数？”
获取调用图：“此代码依赖于哪些功能？”

跨进程锁定

RAG项目使用 双层锁闭系统 为了防止多个进程同时对同一代码库进行索引：

第1层：文件系统锁（跨进程）

用途 flock() 操作系统级独占锁的系统调用
锁定存储在中的文件 ~/.local/share/project-rag/locks/ （或 brainwires/locks/)
进程退出时自动释放（即使在崩溃时）
防止多个克劳德代码会话用重复索引攻击CPU

第2层：内存锁（进程中）

广播通道允许等待任务接收结果
防止同一流程中的重复工作

工作原理：

Process A (Claude Session 1)          Process B (Claude Session 2)
─────────────────────────────          ─────────────────────────────
index_codebase("/project")             index_codebase("/project")
        │                                       │
        ▼                                       ▼
Acquire filesystem lock                Try filesystem lock
        │                                       │
        ▼                                       ▼
     ACQUIRED                              BLOCKED (waits)
        │                                       │
        ▼                                       │
Do full indexing...                             │
        │                                       │
        ▼                                       │
Release lock ──────────────────────────────────►│
                                                ▼
                                         Lock acquired
                                                │
                                                ▼
                                         Return (index is current)

优点：

在多个Claude Code会话中没有重复的CPU工作
并发写入不会导致数据库损坏
进程崩溃时自动清理（操作系统发布羊群）
索引完成后，等待过程立即得到响应

BM25索引锁安全

BM25（Tantivy）索引使用额外的基于文件的锁来防止并发写入：

死锁检测：

检查锁文件是否过期（超过5分钟）
使用文件修改时间戳来检测崩溃的进程
新鲜锁（<5分钟）被视为有效

自动恢复：

当索引失败并出现锁错误时，系统会检查锁是否过期
陈旧的锁 （来自崩溃）：自动清理并索引重试
主动锁 （来自正在运行的代理）：返回明确的错误消息，要求等待

错误消息：

检测到活动索引： "BM25 index is currently being used by another process. Please wait and try again later."
清除过期锁：自动记录警告和重试

螺纹安全：

进程内同步：Mutex可防止同一进程内的并发写入程序
跨进程安全：基于文件的锁可防止跨不同进程的并发写入
读取操作始终是安全的，从未被阻止

最佳实践：

如果您看到“当前正在使用”错误，请等待其他索引操作完成
索引操作通常在几秒钟到几分钟内完成，具体取决于代码库的大小
多个代理可以同时安全地执行搜索操作（读取永远不会被锁定）

代码分块

默认：基于AST的混合分块
AST支持：Rust、Python、JavaScript、TypeScript、Go、Java、Swift、C、C++、C#、Ruby、PHP
后备方案：对于不支持的语言，每个块50行
元数据：跟踪开始/结束行、语言、文件哈希、项目

文件处理

二进制检测：30%不可打印字节阈值（专门处理PDF）
语言检测：支持40多种文件类型（代码、文档、配置）
PDF处理：自动文本提取和Markdown转换，并保留表格
哈希算法：SHA256用于更改检测（适用于所有文件类型，包括PDF）
.gitignore支持：用途 ignore 板条箱

发展

运行测试

# Run all unit tests (413 tests with ~94% coverage)
cargo test --lib

# Run specific module tests
cargo test --lib types::tests
cargo test --lib chunker::tests
cargo test --lib pdf_extractor::tests  # PDF to Markdown conversion tests
cargo test --lib bm25_search::tests    # Includes concurrent access & lock safety tests
cargo test --lib config::tests         # Includes validation & env override tests
cargo test --lib indexing::tests       # Includes error path & edge case tests

# Run with output
cargo test --lib -- --nocapture

# Run with code coverage
cargo llvm-cov --lib --html
# Open target/llvm-cov/html/index.html to view coverage report

建筑

# Debug build
cargo build

# Release build (optimized)
cargo build --release

# Check without building
cargo check

代码质量

# Format code
cargo fmt

# Lint with clippy
cargo clippy

# Fix clippy warnings
cargo clippy --fix

调试

# Run with debug logging
RUST_LOG=debug cargo run

# Run with trace logging
RUST_LOG=trace cargo run

演出

基准（典型硬件）

索引速度：约1000个文件/分钟
- 取决于文件大小和复杂性
- 包括文件I/O、哈希、分块、嵌入生成
搜索延迟：每次查询20-30ms
- HNSW指数召回率约为95%
- 大多数查询为50毫秒以下
内存使用:
- 基座：~100MB
- 嵌入模型：~50MB
- 每10k块：~40MB（嵌入+元数据）
存储:
- 嵌入：每个块约1.5KB（384个浮点数）
- 典型项目（1000个文件）：Qdrant中约75MB

优化提示

调整块大小：较小的块=更精确但索引速度较慢
使用过滤器：按语言/扩展名进行预筛选，以加快搜索速度
批量处理：对于大多数系统，默认每批32个块是最佳选择
增量更新：在初始索引后使用以节省时间

当前状态

✅ 生产准备就绪-100%完成

模块化设计的核心架构
所有9个MCP工具均已实施并正常工作
已执行所有9个MCP斜线命令
混合搜索 -矢量相似性+带IDF的完整BM25
基于AST的分块 -12种语言的语义代码提取
代码导航 -查找定义、引用和调用图（类似LSP）
多项目支持 -索引和查询多个代码库
持久哈希缓存 -跨重启快速增量更新
并发访问保护 -智能锁管理可防止索引损坏
FastEmbed集成用于本地嵌入
Qdrant矢量数据库集成
使用.gitignore支持进行文件行走
语言检测（40+文件类型：代码、文档、配置）
PDF到Markdown转换，保留表格
基于SHA256的变化检测
413个单元测试通过（包括关系、PDF提取、BM25/RRF、自适应阈值、跨进程锁定和锁定安全测试）
全面的文件
启用了完整的MCP提示支持
基于RRF的Tantivy BM25+LanceDB矢量混合搜索
混合关系提供商 -Python/TS/Java/Ruby的堆栈图，所有语言的RepoMap回退

📋 已知限制

Qdrant API变更
- 需要构建器模式（UppersBuilder、SearchPointsBuilder等）
- 所有建设者都正确实施
快速嵌入可变性
- 对可变模型访问使用不安全的解决方法
- 工作正常，但应重构为使用Arc<Mutex<>>
异步特性警告
- 9个无害的警告 async fn 公共特征
- 外观问题，不影响功能

局限性

当前限制

Qdrant后端：使用Qdrant后端功能时需要外部Qdrant服务器
- 默认LanceDB后端完全嵌入，没有外部依赖关系
型号下载：首次运行下载~50MB型号
- 未来：在二进制文件中包含模型或提供离线安装程序
路径筛选：当前查询后过滤（未优化）
- 未来：为路径模式添加Qdrant有效载荷索引
无配置文件：所有设置都硬编码
- 未来：添加TOML/YAML配置支持

规模限制

大型代码库：包含100000多个文件的项目可能需要花费大量时间进行索引
- 缓解措施：使用增量更新
记忆：非常大的索引（1M以上的块）可能需要大量的RAM
- 典型项目（5k文件）总共使用<500MB

故障排除

索引锁定错误

错误：“BM25索引当前正被另一个进程使用”

这意味着另一个代理或进程正在进行索引。这是防止索引损坏的预期行为。

解决：

等待：让当前索引操作完成（通常为几秒到几分钟）
检查流程：验证没有其他克劳德代码/桌面实例正在运行索引操作
强制清理 （最后手段）：如果您确定没有其他进程正在运行，请手动删除过时的锁：
```
rm ~/.local/share/project-rag/lancedb/lancedb_bm25/.tantivy-*.lock
```

注：系统会自动检测并清理崩溃进程中的过期锁（>5分钟）。你应该很少需要人工干预。

Qdrant连接失败

# Check if Qdrant is running
curl http://localhost:6334/health

# View Qdrant logs
docker logs <container-id>

模型下载失败

# Pre-download model
python -c "from fastembed import TextEmbedding; TextEmbedding()"

# Or set HuggingFace mirror
export HF_ENDPOINT=https://hf-mirror.com

内存不足

# Reduce batch size (edit source)
# Or index in smaller chunks
# Or use smaller embedding model

索引速度慢

# Check disk I/O
# Reduce max_file_size
# Use exclude_patterns to skip unnecessary files

未来的增强功能

高优先级

[]添加全面的集成测试
[]配置文件支持（TOML）
[]将IDF统计数据缓存到磁盘，以加快启动速度

中优先级

[]嵌入式矢量数据库选项（无外部依赖）
[]支持更多嵌入模型
[]性能基准和分析
[]AST支持更多语言（Kotlin、Perl、Scala等）

低优先级

[]用于测试/调试的Web UI
[]指标和监控端点
[]多语言文档
[]替代传输机制（HTTP、WebSocket）

许可证

MIT许可证-有关详细信息，请参阅许可证文件

贡献

欢迎投稿！请确保：

代码质量:
- 源文件保持在600行以下（强制）
- 代码格式为 cargo fmt
- 夹棉绒通行证(cargo clippy)
测试:
- 添加新功能的测试
- 现有测试通过(cargo test)
- 更新文档
提交:
- 清晰、描述性的提交消息
- 每次提交一个逻辑更改
- 参考问题（如适用）

支持

问题: https://github.com/Brainwires/project-rag/issues
文档：参见 docs/ 用于部署、故障排除和斜线命令
建筑：参见 docs/adr/ 用于架构决策记录

致谢

rmcp：官方Rust模型上下文协议SDK
Qdrant：高性能矢量数据库
快速嵌入：快速生成本地嵌入
克劳德：用于MCP协议和测试

建于❤️ 使用Rust 2024版本