最新

C/C++ 开发的图 RAG 1. 概述 本项目通过大型语言模型实现深度代码分析。通过构建基于 Neo4j 的图 RAG，它使开发人员和 AI 代理能够在 C/C++ 代码库上执行传统搜索工具无法处理的复杂、多层查询。仅使用 4 个 MCP API 和一个基础代理，它已经能够完成许多与代码库相关的任务。 2. 工作原理 系统使用 clangd 和 clang 解析并索引您的源文件，以创建高保真代码图。它捕获从高层文件夹结构到细粒度关系的各种信息，包括文件夹、文件、命名空间、类/结构体、变量、方法等实体；以及诸如 CALLS（调用）、INCLUDES（包含）、INHERITS（继承）、OVERRIDES（重写）等关系。 系统使用自底向上的方法为代码库的每个级别（从函数到整个文件夹）生成摘要和嵌入。这种结构化的上下文有助于 AI 代理理解“大局”，而不会迷失在语法中。 为了方便您入门，该项目包括：一个示例 MCP（模型上下文协议）服务器和一个演示 AI 代理，以展示图的强大功能。您可以轻松地在图 RAG 的基础上构建自己的自定义代理和服务器。 3. 效率与性能 增量更新：系统检测提交之间的更改，并仅更新必要的内容。 并行处理：解析和摘要生成分布在工作进程中，并进行优化的数据共享。 智能缓存：结果被缓存以最大限度地减少冗余计算，从而节省时间和 LLM 成本。 4. 基准测试：Linux 内核 在工作站（12 核，64GB RAM）上为 Linux 内核（WSL2 版本）构建代码图时，使用 10 个并行工作进程大约需要 4 个小时，峰值内存使用量约为 36GB。请注意，此过程不包括摘要生成，总时间可能因您的 LLM 提供商而异。

大家好，我刚到这里，希望能和大家一起学习和分享想法。

搭建了一个 MCP 服务器，将 Claude Code 连接到 Robinhood。通过对话即可查看投资组合、获取报价、下单交易。

端点状态策略（ESP）是一种“策略即数据”系统，它将策略意图与执行相分离。 策略将期望状态和证据定义为结构化数据，而非脚本。它们被编译成受限的契约，执行引擎必须遵守这些契约，并生成证明，而不是自由格式的输出。 契约模型限制了执行的操作，防止策略逻辑演变成临时工具，同时允许同一策略在不同的环境和后端运行。 ESP 侧重于可移植的意图、受限的执行和可验证的结果——而不是将策略嵌入到工具中。