6.3k stars！让 AI 真正读懂你的整个代码库——Claude Context 详解！

如何让 AI 真正理解一个大型项目，而不是只盯着眼前的几个文件。它的答案干净利落——用向量数据库做语义检索，只把最相关的代码喂给 AI。这一思路不仅让 AI 的回答更准确，还顺带把 Token 成本压下来了 40%。对于任何在用 Claude Code、Cursor 处理中大型项目的开发者来说，Claude Context 都值得花 5 分钟试一试。毕竟，让 AI 真正读懂你的代码，才是提效的第一

mymessageone

512人浏览 · 2026-04-22 07:00:00

mymessageone · 2026-04-22 07:00:00 发布

让 AI 真正读懂你的整个代码库——Claude Context 详解

GitHub 6.1k Star，Zilliz 出品，用向量数据库彻底解决 AI 编程助手的"上下文焦虑"

痛点：AI 编程助手的"失忆"困境

你是否遇到过这样的场景：

对着 Claude Code 或 Cursor 问一个问题，它给你的答案看起来合情合理，但就是和你项目里的实际代码对不上号？或者你问它"我们项目里的鉴权逻辑在哪里？"，它开始一个目录一个目录地翻，找了好几轮才找到？

这背后有一个根本性的技术瓶颈：AI 的上下文窗口是有限的。

面对一个几十万、上百万行代码的大型工程，AI 根本无法把整个代码库一次性"读进去"。它能看到的，往往只是你当前打开的几个文件。这就导致了两个让开发者头疼的问题：

AI “看不全”：对跨文件、跨模块的问题，AI 理解片面，容易给出脱离项目实际的回答；
费用爆炸：为了让 AI 多看一些，有些开发者会把整个目录都塞进上下文，Token 消耗和 API 费用直线飙升。

它是什么：Claude Context

Claude Context 是由向量数据库公司 Zilliz（Milvus 的母公司）开源的一款 MCP（Model Context Protocol）插件。

它的核心思路极其优雅：既然 AI 无法一次性读完整个代码库，那就换个方式——像搜索引擎一样，用"语义检索"代替"全文加载"。

具体来说，Claude Context 会将你的整个代码库向量化，存储到 Milvus/Zilliz Cloud 向量数据库中。每次 AI 需要理解代码时，它不再盲目扫描文件，而是通过语义搜索精准捞出最相关的代码片段，直接注入上下文。

一句话总结：用向量数据库给 AI 编程助手装上了"代码级语义记忆"。

目前项目在 GitHub 已斩获 6.1k Star，支持 Claude Code、Cursor、Gemini CLI、Codex CLI 等主流 AI 编程工具。
在这里插入图片描述

核心亮点

🧠 全代码库作为上下文
无论项目有多大，Claude Context 都能通过语义搜索从数百万行代码中找出最相关的内容，无需多轮探索。

💰 显著降低 Token 消耗
官方评测数据显示，在检索质量相当的前提下，使用 Claude Context 可减少约 40% 的 Token 用量，直接转化为可观的 API 成本节省。

🔍 语义理解，不是关键词匹配
搜索"鉴权逻辑"能找到包含 login、JWT、session 的相关代码，而不仅仅是包含"鉴权"字样的文件。

🔌 兼容主流 AI 编程工具
通过标准 MCP 协议接入，支持 Claude Code、Cursor、VS Code 插件、Gemini CLI 等，一次配置，多端可用。

🔒 支持完全本地化部署
通过本地 Milvus + Ollama 嵌入模型的组合，可实现代码完全不离开本机的隐私保护模式。

怎么用：5 分钟快速上手

前置准备

在开始之前，你需要准备两个东西：

OpenAI API Key：用于生成代码的向量嵌入（也支持 VoyageAI、Gemini、Ollama 等替代方案）
Zilliz Cloud API Key：提供向量数据库存储，官网注册可免费使用

注意：Node.js 版本需为 20.x 或 22.x，不支持 24.0.0 及以上版本。

方式一：Claude Code 一行命令接入（推荐）

claude mcp add claude-context \
  -e OPENAI_API_KEY=sk-你的openai密钥 \
  -e MILVUS_TOKEN=你的zilliz-api密钥 \
  -- npx @zilliz/claude-context-mcp@latest

搞定。重启 Claude Code 即可生效。

方式二：配置文件方式（适用于 Cursor / Claude Desktop 等）

在对应配置文件中加入以下内容：

macOS 路径：~/Library/Application Support/Claude/claude_desktop_config.json
Windows 路径：%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "claude-context": {
      "command": "npx",
      "args": ["-y", "@zilliz/claude-context-mcp@latest"],
      "env": {
        "OPENAI_API_KEY": "你的openai密钥",
        "MILVUS_TOKEN": "你的zilliz-api密钥"
      }
    }
  }
}

方式三：全局配置文件（一次配置，所有客户端共用）

创建 ~/.context/.env 文件：

mkdir -p ~/.context
cat > ~/.context/.env << 'EOF'
EMBEDDING_PROVIDER=OpenAI
OPENAI_API_KEY=sk-你的openai密钥
EMBEDDING_MODEL=text-embedding-3-small
MILVUS_TOKEN=你的zilliz-api密钥
EOF

然后在任何 MCP 客户端配置中简化为：

{
  "mcpServers": {
    "claude-context": {
      "command": "npx",
      "args": ["-y", "@zilliz/claude-context-mcp@latest"]
    }
  }
}

实际使用流程

配置完成后，对话方式基本不变，但 AI 背后的工作方式完全不同：

首次使用：在 AI 对话中指令其为你的项目建立索引（只需一次）

“请为 /Users/me/projects/my-app 建立代码索引”
日常使用：直接提问，AI 会自动通过语义搜索找到相关代码

“我们项目里的支付模块是怎么处理退款的？”
更新索引：新增或修改了文件后，重新索引对应目录即可，无需全量重建

可用工具说明：

工具	用途
`search_code`	语义搜索代码，优先使用
`index_codebase`	为项目建立向量索引
`get_indexing_status`	查看索引进度
`clear_index`	清除已有索引

隐私优先？完全本地化部署

如果你的代码不能上传到任何云服务，可以用本地方案：

claude mcp add code-indexer \
  -e EMBEDDING_PROVIDER=OpenAI \
  -e EMBEDDING_MODEL=text-embedding-nomic-embed-text-v2-moe \
  -e OPENAI_API_KEY=local \
  -e OPENAI_BASE_URL=http://127.0.0.1:1234/v1/ \
  -e MILVUS_ADDRESS=127.0.0.1:19530 \
  -e MILVUS_TOKEN=local \
  -- npx @zilliz/claude-context-mcp@latest