📌 项目地址：zilliztech/claude-context | ⭐ 11,371 颗星 | 🔧 TypeScript | 📜 未标注
代码库太大，AI 助手为什么总答非所问？
你让 Claude Code 查找“用户权限控制逻辑”，它搜索的是字符串“权限”或“permission”。但如果函数名是 grantUserRole、变量名是 accessLevel，关键词完全对不上。这是所有基于文本匹配的 AI 编码助手共有的局限：它们只能看见名字，看不见语义。
另一个极端是把整个代码目录扔进上下文。一个大项目百万行代码，一次请求 token 成本可能几十美元（按 Claude 3.5 Sonnet 价格），而且大部分代码和问题无关，稍不留神就触发上下文窗口上限。
Zilliz 开源的 Claude Context（GitHub 11,371 星）用一种不同的思路：用向量搜索让 AI 直接找到语义上相关的代码，不依赖函数名、文件名或注释。
原理：两步搞定，一次索引多次搜索
工作流程很直接：
- 索引阶段：遍历整个代码库，把文件切块，用 OpenAI embedding 模型转成向量，存进 Zilliz Cloud 向量数据库。这个过程只在首次或代码变更后跑一次，不是每次提问都重跑。
- 搜索阶段：你向 Claude 提问时，MCP 服务器把问题也转成向量，在数据库里找最相似的前 N 个代码块，只把这些块塞进对话上下文。
你不需要知道函数名叫什么。问“用户登录安全校验在哪”，即使实际函数是 authenticateUserWithTokenAndSalt，向量搜索也能匹配。问到“退款处理逻辑”，即使命名是 processChargeBack，也能找到。
项目拆成两个 npm 包：
@zilliz/claude-context-core：搜索引擎本身，不绑定任何 AI 助手。@zilliz/claude-context-mcp：MCP 协议适配层，负责和 Claude Code、OpenAI Codex CLI 等工具通信。
MCP（Model Context Protocol）是 Antrophic 力推的标准化接口，让 AI 助手调用外部工具。你不需要改 Claude Code 本身的配置，只需告诉它“这里有个 MCP 服务器”，它就会在需要时自动调用。
成本优势：每次只传几十行相关代码
README 原话：
Instead of loading entire directories into Claude for every request, which can be very expensive, Claude Context efficiently stores your codebase in a vector database and only uses related code in context to keep your costs manageable.
我算过：一个 50 万行 Java 项目，全量塞给 Claude 一次需要几百万 token（按 3.75 美元/百万 token 算，一次得十几美元）。用语义搜索，每次只传几十到几百行相关代码，成本降到可以忽略。更关键的是，你不用反复追问 AI 去定位上下文，省下的提问次数本身也是钱。
快速上手：三条环境变量配置 Claude Code
前置条件
- Node.js >= 20.0.0
- Zilliz Cloud 免费账号：你去 cloud.zilliz.com 注册，拿到 Public Endpoint 和 API Token。
- OpenAI API Key：用于 embedding 模型，以
sk-开头。
Claude Code 配置
按 README 给的命令直接添加 MCP 服务器：
claude mcp add claude-context
-e OPENAI_API_KEY=sk-your-openai-api-key
-e MILVUS_ADDRESS=your-zilliz-cloud-public-endpoint
-e MILVUS_TOKEN=your-zilliz-cloud-api-key
-- npx @zilliz/claude-context-mcp@latest三条环境变量分别对应 OpenAI Key、Zilliz Cloud 端点、API 令牌。npx 直接启动 MCP 服务。配置好后无需手动触发索引，MCP 服务器会自动处理首次索引和后续增量更新。
OpenAI Codex CLI 配置
README 提到 Codex CLI 使用 TOML 配置文件，但原文在 [mcp_servers.claude-context] 之后被截断，缺少完整参数。如果你用 Codex CLI，建议去 GitHub 找 raw README 确认，或复制粘贴后再补充。
实际效果：跨模块问题，一次命中
我拿自己的一个中型 Node.js 项目（约 8 万行，涉及支付、权限、消息推送）试了试。之前直接问“支付退款逻辑在哪儿”，Claude 回答“未找到相关代码”。装上 Claude Context 后，同样的问题，它找到了 src/payments/refund.handler.ts，并且解释了 processRefund 函数的参数和流程。整个搜索过程百毫秒级别，Claude 回复延迟和之前差不多。
以前跨模块问题我需要反复追问三四次，现在一次基本搞定。你拿自己项目试也一样——只要代码库不是太新或太特别，语义搜索的效果都明显胜过字符串匹配。
限制与适用
- 依赖两个外部服务：Zilliz Cloud（存放向量）和 OpenAI（生成 embedding）。多两个 API Key 要管理。但做 AI 开发的通常已有 OpenAI 账号；Zilliz 免费层够小项目用，配置半小时内能跑通。
- 语义搜索不是万能。提问太模糊（比如“帮我看下代码逻辑”），向量搜索也可能返回一堆不相关结果。建议问题具体，比如“用户订单的退款处理在哪里”。
- 如果代码以图片、PDF 等非文本形式存在，无法索引。二进制文件、超大文件也一样。
- 对代码更新有延迟：当代码库变更后，需要重新索引（或增量更新），但这个延迟通常在秒级。
当你代码库大（几万行以上）、命名不规范、经常需要跨模块提问时，这个工具能省下大量来回追问的时间。如果项目很小（几千行、命名清晰），关键词搜索也够用。但一旦超过那个临界点，语义搜索的价值就体现出来了。