Claude Context 大型代码库语义搜索

要解决的问题

在大型仓库里做开发时，编码代理最常见的做法是把文件目录或若干源文件读进 prompt context，再据此推理。仓库一旦变大，这种"反复加载"会变得既不经济也不可靠：上下文窗口被大段源码占满，真正相关的片段被淹没；每次换问题都要重新塞一遍文件，token 消耗和延迟持续攀升；检索结果还依赖 agent 自己挑文件，很容易漏掉语义相近但命名不显眼的实现。

技能如何工作

Claude Context 把"找代码"这一步从 prompt 上下文里拆出来，交给专门的检索通路：

• 离线索引：扫描代码库，将代码内容向量化后写入向量数据库，支持 Milvus 或 Zilliz Cloud 作为存储后端。
• MCP 暴露检索：通过 MCP 对外提供 code-search 能力，Claude Code 及其他兼容 MCP 的编码代理客户端可以直接调用，无需自行实现向量检索逻辑。
• 按需取回：代理发起语义查询，拿到的是与问题意图接近的代码片段，而不是整个目录树，上下文保持精简。

接入前需要准备：一个 MCP 兼容的编码 agent、Node.js 20–23 运行环境、OpenAI API key 用于生成向量，以及一个可用的 Milvus / Zilliz Cloud 实例。

适用边界与注意点

• 这套方案解决的是检索问题，不替代构建、测试或代码理解本身，仍需配合常规开发流程使用。
• 索引建立依赖向量数据库与 API key 的配置，属于有外部依赖的工具，不是零配置即用。
• 语义检索擅长按意图召回，对精确符号名、字符串匹配类的需求，可能仍需传统 grep 类手段补充。