使用说明
SynCore
用于AI原生开发的MCP服务器 -2周内独立构建，人工智能援助预算为15美元。
内存、向量、代码分析和知识图的统一接口。 65+工具 可通过单个MCP连接访问。
内置Rust。使用Claude Code进行生产测试。
这实际上是做什么的
SynCore是一个MCP（模型上下文协议）服务器 65工具 用于：
- 持久存储器 -键值存储（SQLite+Sled缓存）
- 双域矢量搜索 -代码和文本的单独嵌入模型
- 编码域：BGE-small-en-v1.5（针对语义代码搜索进行了优化）
- 通用域：全MiniLM-L6-v2（针对文档/任务进行了优化）
- 代码智能 -Rust、JavaScript、Python、JSON、TOML、Bash的树型解析
- 知识图谱 -Neo4j与Cypher查询的集成
- 任务管理 -使用父/子关系进行任务跟踪
- 代理商协调 -多代理工作流的消息总线
- 应用程序映射 -文件依赖关系跟踪和更改历史记录
- 顺序推理 -多步思维记录
- 项目分析 -LLM免费代码库智能（热点、死代码、周期、重构）
现状（2025年11月）
什么是可靠的
核心工具（每日测试）：
memory_store/memory_query-键值存储，约1ms延迟vector_insert/vector_search-语义搜索，10-50ms延迟code_index/code_search-代码语义搜索code_index_directory-批次索引 增量支持 （跳过未更改的文件）parser_analyze-树型AST提取，可选持久性parser_search-Ripgrep代码模式搜索graph_query/graph_insert-Neo4j密码查询code_graph_sync_neo4j-将SQLite实体同步到Neo4jcode_graph_fusion_query-三模式（简单/注意力/推理）搜索
图形特征：
- 7种边缘类型：包含、调用、使用、导入、模块_儿童、继承、引用
- PageRank的多跳传播
- 时间元数据丰富（git历史+mtime）
项目分析引擎（第6阶段）：
project_file_report-详细的文件分析（实体、关系、指标）project_hotspots-查找复杂性热点（扇入/扇出、LOC、实体计数）project_dead_code-检测未使用的实体project_cycles-查找循环依赖关系project_unused_imports-查找未使用的导入project_module_map-模块依赖关系图project_refactor_suggestions-启发式重构建议
元工具（聚合PAE数据）：
project_architecture_overview-项目范围摘要：实体计数、依赖关系统计、复杂性指标project_complexity_dashboard-热门热点、最差周期、复杂性排名project_improvement_roadmap-通过努力/影响矩阵优先改进project_refactor_action_plan-可操作的重构计划（高风险热点、死代码、周期中断）
增量索引（新增-第5阶段）：
- SHA256+时间变化检测
- 跳过未更改的文件（返回0个实体=跳过）
- 检测新的、修改的、删除的文件
- Idempotent（可安全重复运行）
什么是实验
- IntelliTask AI功能 -要求Ollama在本地运行，质量取决于型号
- 顺序推理 -
sequential_cycle需要Ollama - 代理消息总线 -工作，但未在生产中进行大量测试
- RAGGraph多跳 -有效，但评分可能需要调整
诚实的限制
- 仅限单个节点 -无分布式模式
- 无身份验证 -专为当地使用而设计
- 图形功能需要Neo4j -没有它，有些工具会悄无声息地失败
- 人工智能功能需要Ollama -IntelliTask，sequential_cycle需要它
- 启动后约500MB RAM -加载了两个HuggingFace嵌入模型（BGE+MiniLM）
- 图形功能已部分测试 -Neo4j同步有效，但实体填充需要验证
快速开始
构建
cd syncore
cargo build --release
生成两个二进制文件：
target/release/syncore_mcp_stdio（~55 MB）-克劳德代码的MCP服务器target/release/syncore_graph_cli（约33 MB）-用于图形操作的CLI
配置Claude代码
增添 ~/.config/claude/mcp_settings.json:
{
"syncore": {
"command": "/path/to/syncore/target/release/syncore_mcp_stdio",
"args": [],
"env": {
"DB_PATH": "/path/to/syncore.db",
"NEO4J_URI": "bolt://127.0.0.1:7687",
"NEO4J_USER": "neo4j",
"NEO4J_PASS": "your_password"
}
}
}
环境变量
| 变量 | 默认值 | 描述 |
|---|---|---|
DB_PATH |
syncore.db |
SQLite数据库路径 |
HTTP_PORT |
3001 |
HTTP流服务器端口 |
NEO4J_URI |
bolt://127.0.0.1:7687 |
Neo4j连接 |
NEO4J_USER |
neo4j |
Neo4j用户名 |
NEO4J_PASS |
（图形需要） | Neo4j密码 |
RUST_LOG |
info |
日志级别 |
所有工具（42个记忆套件+23个独立工具）
内存套件（通过42个命令 memory_suite)
基本内存（5个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
store |
将键值对与元数据一起存储 | 低 |
query |
按键检索值 | 低 |
delete |
删除内存条目 | 低 |
list_keys |
列出所有记忆键 | 低 |
memory_stats |
获取计数和命名空间统计信息 | 低 |
语义搜索（8个命令-APEX 1.9-M）：
| 命令 | 描述 | 成本 |
|---|---|---|
search_semantic |
基于向量的语义搜索 | 中等 |
search_hybrid |
组合语义+关键字搜索 | 中等 |
query_by_tags |
按标签筛选记忆 | 低 |
query_by_importance |
按重要性阈值筛选 | 低 |
query_recent |
获取N个最近的记忆 | 低 |
query_since |
获取自时间戳以来的记忆 | 低 |
consolidate_similar |
查找并合并相似的记忆 | 高 |
get_related_memories |
获取相关记忆（语义+图形） | 中等 |
矢量操作（2个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
vector_insert |
添加带有嵌入的文本 | 中等 |
vector_search |
语义相似性搜索 | 中等 |
任务管理（15个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
task_create |
创建任务 | 低 |
intellitask_list |
列出所有任务 | 低 |
intellitask_get |
按ID获取任务 | 低 |
intellitask_update_status |
更新任务状态 | 低 |
intellitask_next_ready |
准备下一个任务 | 低 |
intellitask_get_subtasks |
获取子任务 | 低 |
intellitask_subtask_stats |
子任务统计 | 低 |
intellitask_task_statistics |
总体任务统计 | 低 |
intellitask_prd_statistics |
PRD特定统计数据 | 低 |
intellitask_save |
将任务分解保存到数据库 | 低 |
intellitask_generate |
需要Ollama -PRD的AI任务分解 | 高 |
intellitask_subtasks |
需要Ollama -生成子任务 | 高 |
intellitask_prioritize |
需要Ollama -AI任务优先级 | 高 |
intellitask_next |
需要Ollama -AI下一个任务建议 | 高 |
顺序推理（4个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
sequential_record |
记录推理链中的思维步骤 | 低 |
sequential_get |
获取任务的思考步骤 | 低 |
sequential_search |
从语义上搜索思维步骤 | 中等 |
sequential_cycle |
需要Ollama -运行推理周期 | 非常高 |
代理协调（8个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
agent_send |
通过消息总线向代理发送消息 | 低 |
agent_recv |
接收待处理邮件 | 低 |
agent_poll |
等待下一条消息（阻塞） | 低 |
agent_register |
注册具有功能的代理 | 低 |
agent_list |
列出注册代理 | 低 |
agent_status |
更新代理状态 | 低 |
agent_task |
发送结构化任务信封 | 低 |
agent_result |
提交已完成的任务结果 | 低 |
独立MCP工具
代码套件（11个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
index |
索引源文件 | 高 |
search |
语义代码搜索 | 中等 |
index_directory |
批量索引目录（增量） | 非常高 |
parse |
树型AST提取 | 中等 |
grep |
Ripgrep模式搜索 | 中等 |
explain |
用指标解释功能 | 中等 |
doc_index |
从目录索引文档 | 非常高 |
doc_search |
语义文档搜索 | 中等 |
fusion_query |
三模式RAG查询（简单/注意力/推理） | 高 |
enrich_temporal |
添加git历史记录+mtime元数据 | 非常高 |
sync_neo4j |
将SQLite实体同步到Neo4j | 非常高 |
图形套件（5个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
query |
执行Cypher读取查询 | 高 |
insert |
执行Cypher写入查询 | 高 |
relate |
在节点之间创建关系 | 高 |
rag_query |
基于多跳图推理的RAG查询 | 高 |
rag_multihop |
种子节点的多跳图扩散 | 高 |
映射套件（8个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
record |
带有导入/导出/删除的记录文件节点 | 低 |
get |
获取文件节点 | 低 |
search |
语义文件搜索 | 中等 |
deps |
获取传递依赖关系 | 中等 |
app_record |
记录代码更改 | 低 |
app_get |
获取任务更改 | 低 |
app_history |
获取文件更改历史记录 | 低 |
app_search |
搜索语义变化 | 中等 |
调试套件（10个命令）：
| 命令 | 描述 | 成本 |
|---|---|---|
logs_tail |
获取最近的日志条目 | 低 |
tool_metadata_list |
列出工具元数据 | 低 |
project_file_report |
详细文件分析 | 中等 |
project_hotspots |
查找复杂性热点 | 中等 |
project_dead_code |
识别未使用的实体 | 中等 |
project_cycles |
检测循环依赖关系 | 中等 |
project_unused_imports |
查找未使用的导入 | 中等 |
project_module_map |
模块依赖关系图 | 中等 |
project_refactor_suggestions |
重构建议 | 中等 |
project_code_smells |
检测代码气味 | 中等 |
REFRAG套件（3个命令-APEX 1.8）：
| 命令 | 描述 | 成本 |
|---|---|---|
query |
代币预算的选择性扩张 | 高 |
configure |
更新扩展策略 | 低 |
help |
显示REFRAG使用情况 | 低 |
架构说明
双域嵌入
SynCore使用两个单独的矢量存储和专门的模型：
码域 (syncore_code.index):
- 型号：BGE-small-en-v1.5（384调光）
- 目的：语义代码搜索
- 为什么：接受过代码+文本培训，了解编程语义
- 路由：代码实体、函数、类
一般域 (syncore_general.index):
- 型号：全迷你LM-L6-v2（384昏暗）
- 目的：文件、任务、笔记
- 为什么：针对自然语言理解进行了优化
- 路由：记忆、文档、推理步骤
这可以防止“域污染”，即代码嵌入污染文档搜索，反之亦然。
图形BERT集成点
代码库包括 GraphEmbeddingStrategy 未来集成Graph BERT或其他GNN模型以将CODE嵌入与图结构特征相结合的特点。目前使用确定性特征注入。
演出
在Ryzen 7 32GB RAM上测试：
| 操作 | 延迟 |
|---|---|
| 内存存储/查询 | <1ms |
| 矢量搜索（编码域） | 10-50ms |
| 矢量搜索（通用域） | 10-50ms |
| 码图融合 | 10-50ms |
| Neo4j查询 | 1-10ms |
| 增量索引（未更改的文件） | <1ms |
注意：HNSW索引在预热后将搜索时间缩短到1-10ms，但初始查询使用线性扫描。
需求
必修的：
- 锈蚀1.70+
- ~4GB磁盘用于构建工件
- 嵌入模型加载后约500MB RAM
可选：
- Neo4j 5.x（用于图形功能-
graph_*,code_graph_*,raggraph_*) - Ollama（用于AI功能-
intellitask_generate/subtasks/prioritize/next,sequential_cycle)
CLI工具
syncore_graph_cli 提供命令行图形操作：
# Sync SQLite entities to Neo4j
NEO4J_URI="bolt://127.0.0.1:7687" NEO4J_USER="neo4j" NEO4J_PASS="password" \
./target/release/syncore_graph_cli sync
# Validate graph integrity
./target/release/syncore_graph_cli validate
# Show graph statistics
./target/release/syncore_graph_cli stats
许可证
GPL-3.0
技术亮点（工程师接地）
是什么让这很有趣：
- 双域嵌入 -具有自动路由功能的单独BGE/MiniLM型号（在MCP服务器中很少见）
- 多模式存储 -SQLite+Sled+Neo4j+HNSW在单个一致的API中
- 增量索引 -SHA256+时间变化检测，幂等重复运行
- 代码图融合 -具有时间评分的三模式搜索（简单/注意力/推理）
- 图表BERT接缝 -通过特征抽象实现GNN集成的可扩展点
- 零依赖项目分析 -没有LLM调用的复杂性度量
什么还没有准备好生产：
- Neo4j实体查询返回空（同步工作，但填充逻辑需要调试）
- 图BERT是架构占位符（使用确定性特征注入）
- 大型结果集无流式传输
- 集成测试覆盖范围有限
- 单节点架构（无复制/分片）
发展背景：
- 2周，单人开发，15美元预算
- 100%人工智能辅助代码生成（克劳德代码+免费层模型）
- 250个文件中7866行Rust
- 使用Claude Code CLI进行日常生产使用
致谢
使用rmcp、neo4rs、rusqlite、树保姆、fastembed、tokio、雪橇、hnsw_rs构建。
核心嵌入模型：BGE-small-en-v1.5（BAAI），全MiniLM-L6-v2（句子转换器）。
