Repomix 代码库上下文打包器

上下文溢出是大模型读仓库的第一道坎

当你把一个中等规模的代码仓库直接丢给 LLM，真正的麻烦不是模型看不懂代码，而是 prompt 瞬间被撑爆。一个 500 文件的项目轻松超过百万 token，而大多数模型的上下文窗口根本无法承载。即便你能塞进几万 token，大量无关文件、注释和样板代码也会稀释掉模型对关键逻辑的注意力。

Repomix 要解决的就是这个问题：把整个仓库压缩成一份 精简、结构化、对 token 友好 的单文件，让 LLM 能真正吃得下、读得懂。

它如何工作

Repomix 的核心流程可以拆成三步：

• 遍历与过滤：递归扫描仓库目录，按配置文件或内置规则跳过 node_modules、.git、构建产物等无关路径，避免无用代码占用上下文。
• Tree-sitter 压缩：利用 Tree-sitter 语法树解析源代码，移除空白、注释等非语义内容，在保留语法结构的前提下大幅缩减体积。这比纯文本截断更可靠，因为模型仍能看到完整的代码骨架。
• 安全扫描：通过 Secretlint 对打包内容做敏感信息检测，防止 API Key、密码等凭据在不知情的情况下被送入 prompt。

最终产物可以输出为 XML、Markdown 或纯文本，三种格式都适配常见的 LLM prompt 模板。打包过程中会给出 token 统计，让你清楚知道这次喂给模型的成本。

适用边界与注意点

Repomix 不是万能的。几个值得留意的点：

• Python 生态有更优选项：如果你处理的主要是 Python 项目，官方建议改用 Gitingest，它在 Python 包结构和数据文件的处理上更贴合。
• 压缩不等于无损：Tree-sitter 会丢弃注释和空行，对于依赖注释理解意图的场景（比如某些遗留代码的语义说明），模型可能丢失部分上下文。
• 超大仓库仍需分片：面对数万文件级别的巨型仓库，单次打包可能仍然超出上下文上限，需要配合分块策略或先做仓库级裁剪。
• Docker 用户：可以通过 Docker 运行 Repomix，无需本地安装 Node.js 环境，适合 CI/CD 场景。

总的来说，Repomix 适合把一个 中等规模、结构清晰的代码库 快速变成 LLM 可消费的上下文快照。如果你只是想把几个零散文件扔进 prompt，直接粘贴就够了；但当你需要模型理解整个项目的结构时，它是一个很实用的打包工具。