載入中...
載入中...
Claude Context 透過 MCP 與 semantic code search，先把 repo 做成可檢索的向量記憶層，讓 AI coding tool 在回答鑑權、退款流程、callback 串接等問題時能找到真實相關程式碼，而不是盲翻目錄或硬塞整包 context。
這則 Threads 最值得記錄的，不是在否定 Graphify，而是指出 graph-based code understanding 的真正限制：程式碼是高度動態、持續新增與 refactor 的資料，因此知識圖譜若不能建立在 LSP、AST、ripgrep 等原生語義與關聯之上，容易很快退化成過時快照。
這則 Threads 真正值得記錄的，不只是 Graphify 省 token，而是它代表一種新的 codebase understanding 路線：面對大型 repo，與其把全文硬塞進 context，不如先把檔案、符號、依賴與關係結構化成 graph，再基於圖做檢索與推理。
這則 Threads 最有價值的地方，是把小說創作與 codebase understanding 這兩個看似無關的場景，收斂到同一個本質問題：當歷史與依賴關係超出 context window，AI 真正需要的不是更長上下文，而是可維護、可查詢、可追蹤關聯的 structured memory layer。