Potpie 规范驱动代码库工作流

代码库越大，越难把规范落到实现上

在多人协作的仓库里，最常见的问题不是"不会写代码"，而是需求写在文档里，实现散落在各处。改一个接口，要记得同步调用方、测试和配置；做一次评审，得先花大量时间在目录里翻找相关代码。当代码库膨胀到一定程度，靠记忆和 grep 已经很难保证实现与规范一致。

这个技能要解决的就是这条断层：让仓库先变成可查询的知识结构，再让具体任务有明确的执行依据。

它做了什么

核心分三步：

• 构建知识图谱：通过 Potpie 对仓库建立索引，把代码、依赖与结构关系转成图谱，而不是散落的文件树。
• 用规范驱动任务：在图谱之上，从 spec 出发驱动 focused implementation 或 review，让改动有上下文依据。
• 本地环境依赖：索引与运行依赖 Docker、Python 3.11+、uv 以及已配置的 LLM provider，底层会拉起 FastAPI 应用与 Celery worker。

适用边界与注意点

• 环境要求不低：需要 Docker 持续运行，加上 Python 3.11+ 与 uv，适合能稳定维护本地服务的开发环境。
• 首次索引有开销：仓库规模越大，建图与迁移耗时越长，适合长期迭代的中大型项目，而非一次性脚本。
• 任务效果取决于 spec 质量：规范写得模糊，驱动出的实现或评审同样会偏；它不替代人对需求的判断。
• 文档见 docs.potpie.ai：上游行为以官方文档为准，遇到边界场景先查文档再排查。