代码索引库

密码记录器

AI编码代理的代码索引库。使用树状图解析源代码，将其分块为语义单元（函数、结构、类、impl块），在本地嵌入它们，并使用矢量+全文搜索将所有内容存储在一个SQLite文件中。

没有Docker，没有服务器，没有API密钥。一 .db 每个代码库的文件。

为什么

编码代理需要理解代码库。他们需要找到事物的定义位置，发现概念是如何在文件中实现的，并快速浏览不熟悉的代码。这需要关键字搜索（精确的标识符查找）和语义搜索（不知道确切名称时的自然语言查询）。

随着人工智能编码工具变得更加可组合——代理调用代理，MCP服务器插入不同的主机——这种能力需要以本地运行的库的形式存在。没有外部服务器，没有API密钥，没有Docker容器。只是一个返回结果的函数调用。

codemogger就是那个图书馆。嵌入式SQLite（通过 图尔索)使用FTS+矢量搜索 .db 文件。

安装

npm install -g codemogger

或使用 npx 无需安装即可运行。

快速开始

# Index a project
codemogger index ./my-project

# Search
codemogger search "authentication middleware"

添加到编码代理的MCP配置（Claude Code、OpenCode等）：

{
  "mcpServers": {
    "codemogger": {
      "command": "npx",
      "args": ["-y", "codemogger", "mcp"]
    }
  }
}

MCP服务器公开了三个工具：

• codemogger_search -索引代码的语义和关键字搜索
• codemogger_index -首次索引代码库
• codemogger_reindex -修改文件后更新索引

将本地数据库添加到 .gitignore:

# codemogger db
.codemogger/

软件开发工具包

codemogger也可用作库。SDK没有模型依赖关系，您可以提供自己的嵌入函数：

import { CodeIndex } from "codemogger"
import { pipeline } from "@huggingface/transformers"

// Load embedding model (runs locally, no API keys)
const extractor = await pipeline("feature-extraction", "Xenova/all-MiniLM-L6-v2", { dtype: "q8" })

const embedder = async (texts: string[]): Promise<number[][]> => {
  const output = await extractor(texts, { pooling: "mean", normalize: true })
  return output.tolist() as number[][]
}

const db = new CodeIndex({
  dbPath: "./my-project.db",
  embedder,
  embeddingModel: "all-MiniLM-L6-v2",
})

await db.index("/path/to/project")

// Semantic: "what does this codebase do?"
const results = await db.search("authentication middleware", { mode: "semantic" })

// Keyword: precise identifier lookup
const results = await db.search("BTreeCursor", { mode: "keyword" })

await db.close()

MCP服务器和CLI随附 all-MiniLM-L6-v2 默认情况下。

命令行界面

# Install globally
npm install -g codemogger

# Index a directory
codemogger index ./my-project

# Search
codemogger search "authentication middleware"

# List indexed codebases
codemogger list

运作原理

1. 扫描 -步行目录，尊重 .gitignore，从扩展中检测语言
2. 块 -使用树保姆（WASM）解析每个文件，提取顶级定义（函数、结构、类、impl块）。大于150行的项目被拆分为子项目。
3. 嵌入 -使用提供的嵌入模型对每个块进行编码（本地运行，无API）
4. 商店 -使用FTS索引将块+嵌入写入SQLite
5. 搜索 -向量余弦相似度（语义）或带加权字段的FTS（关键字）

增量：在后续运行中，只有更改的文件（通过SHA-256哈希）会被重新处理。

语言

Rust、C、C++、Go、Python、Zig、Java、Scala、JavaScript、TypeScript、TSX、PHP、Ruby。

基准测试

在苹果M2（8GB）上对4个真实世界的代码库进行了基准测试。每个项目都使用自己的独立数据库。嵌入使用 vector8 （int8量化，395字节/块，而float32为1536）。嵌入模型： all-MiniLM-L6-v2 （q8量化，本地CPU）。搜索时间在3次运行中为p50。

演出

关键字搜索是 比ripgrep快25x-370x 并返回精确的定义，而不是数千个文件匹配。

索引是以嵌入为主的一次性成本（约97%的时间）。后续运行仅重新嵌入更改的文件。

搜索质量：语义搜索与ripgrep

真正的优势不是速度，而是 当你不知道确切的关键字时，找到正确的代码.

“提前写入日志复制和同步” （旅游）

“SQL语句解析和编译” （旅游）

“HTTP请求解析和响应写入” （Bun）

“根据资源需求将Pod调度到节点” （库贝内特斯）

“容器健康检查探测和重启策略” （库贝内特斯）

ripgrep在常见关键字上匹配数千个文件。codemogger返回5个最相关的定义。

依赖关系注释

@tursodatabase/database 当前被固定到预发布版本(0.5.0-pre.14).没有稳定的 0.5.x 尚未释放；一旦发布，就应该更新。预发布版本足够稳定，可以用于开发，但在达到最终版本之前可能会有突破性的变化。

建筑

• Bun/TypeScript 运行时
• 树保姆 AST感知组块-13种语言语法
• 全迷你LM-L6-v2 对于局部嵌入（384维，q8量化）
• 图尔索 用于存储-带有FTS+矢量搜索扩展的嵌入式SQLite
• 单个数据库文件 使用每个代码库的FTS表和全局向量搜索存储多个代码库

许可证

麻省理工学院