codebase-memory-mcp:Agent 怎麼調用程式碼記憶?附 GitNexus 與 CodeGraph 對照
比較 codebase-memory-mcp、GitNexus 與 CodeGraph 如何被 coding agent 調用:查什麼、帶回什麼、漏什麼,以及重要性與遺漏率該怎麼分開量。
作者
Seer
日期
2026-09-28
codebase-memory-mcp、GitNexus 與 CodeGraph 的共通點,都在於先將程式碼庫整理為可供本機查詢的知識層,再讓 coding agent 透過 MCP 取回所需的上下文。選型時真正要問的是:當 agent 拋出一個問題時,工具究竟如何鎖定切入點?如何循線展開呼叫鏈?哪些程式碼會被送進 context,又有多少資訊在檢索途中被悄悄裁切?[1][2][3]
本文所指的「程式碼記憶」,特指經過結構化索引後的 codebase memory,不與對話歷程或模型本身的記憶混為一談。全文將聚焦於四個核心面向:調用路徑、重要性排序、召回遺漏機制、評估方法。底層架構與硬體僅作選型評估所需的扼要梳理;凡官方未明確揭露之處均直接標示為資訊缺口,避免將單純的 token 節省量或單一基準測試誤讀為精確的召回率。
本文梳理基準為 2026-09-28 時點各專案官方 repository 的 main 分支、README、原始碼、架構說明與評測文件。由於本次未進行本機安裝與實機運行,文中所引數據皆為專案官方或 repo 內載明之數據,非筆者獨立實測。鑑於 main 分支持續變動,正式導入前仍建議鎖定特定 commit 或 release 版本。
快速跳轉
先看三個工具的「記憶調用」定位
| 工具 | Agent 主要調用方式 | 重要性評估依據 | 主要遺漏/失真訊號 | 適用場景 |
|---|---|---|---|---|
| codebase-memory-mcp | 組合多個專用 MCP tool:search_graph → trace_path/query_graph → get_code_snippet | 結合 BM25、正規表達式、內建 code embedding、11 種特徵評分與圖譜關係 | index_coverage、分頁限制、row/byte/token 門檻;clean coverage 不等於完全無缺漏 | 多語言支援、跨服務架構、IaC、精確呼叫鏈追蹤 |
| GitNexus | query 定位 execution process → context 檢視 symbol 上下游 → impact/trace 驗證影響範圍 | BM25 與語意檢索之 RRF 融合、流程關聯度、圖譜邊、信心度與風險評分 | maxTokens、分頁截斷、索引過期、truncated lower bound、PDG 降級/未知狀態 | 多 repo 管理、執行流程理解、改動波及範圍分析、plan/work/review 流程 |
| CodeGraph | 以單一 codegraph_explore 為主:自然語言 → 提取 seed → 圖譜展開 → 源碼預算分配 | 精確符號比對、全文檢索(FTS)、路徑與共現加權、RWR 圖譜權重、節點類型加權、源碼預算 | recall miss、allocation miss、明確 gap pointer、過期缺漏、context 佔用率 | 日常功能開發、快速擷取可直接閱讀的調用流程 |
這三款工具都先解析 AST、抽取 symbol、建立關係邊、全文索引或向量,再由 MCP 工具依查詢動態組裝出有限的 context。這也意味著「召回失敗」至少存在四個不同層次:索引階段根本未收錄、找到入口但關聯邊缺失、鎖定正確檔案卻未獲配足夠源碼,或是 agent 取得上下文後未能正確理解與引用。以下將逐層剖析。
1. codebase-memory-mcp:工具介面最完整,但考驗 agent 的調用策略
codebase-memory-mcp(以下簡稱 CBM)採用原生 C 開發的結構分析後端,本體不內建推理模型。它整合 Tree-sitter、Hybrid LSP、SQLite/FTS5、圖譜查詢與本地 code embedding,構成純粹的 MCP 資料提供層,交由上層 agent 自行決策何時該搜尋、追蹤、圖譜查詢或讀取原始碼。[1][9]
實際調用路徑:先定位,再展開,後取證
CBM 是一組可組合的 MCP 工具。其典型調用流程如下:
自然語言問題
→ search_graph:透過 BM25/regex/semantic_query 定位 symbol 或檔案
→ trace_path:沿著 caller、callee、資料流或服務邊界追蹤
→ query_graph:遇多跳、聚合或跨服務條件時深入查詢圖譜
→ get_code_snippet/get_file_outline:精確取得所需片段或結構
→ agent 彙整推論,必要時以 check_index_coverage 驗證資訊涵蓋範圍
search_graph 支援 BM25、正規表達式、name/qualified-name filter、degree filter 以及 semantic_query。依其 README 說明,語意查詢結合了 11 種訊號進行混合排序,涵蓋 TF-IDF、API/型別/裝飾器簽名、AST 特徵、資料流向、模組鄰近度與圖譜擴散分析。這些機制主要用於篩選出優質的「候選入口」,不能直接等同最終解答的正確性。[9][14]
在資料回傳設計上,CBM 設有明確的分頁與輸出上限:trace_path 預設深度為 3、每頁 100 筆,上限 5,000 筆;query_graph 預設呈現 200 筆,並提供總數、截斷標記與 cursor;get_code_snippet 則可指定 auto、outline 或 full 模式,並限制讀取行數。一旦資料量超出限制,agent 必須主動依循 cursor 分頁或收窄條件,否則就會產生上下文遺失。[14]
CBM 如何判定「重要性」?
CBM 的重要性評估採取動態、查詢導向的組合邏輯,沒有為每個 symbol 賦予固定的全域分數:
- 符號名稱、完整路徑名稱、docstring 與程式碼詞彙是否符合提問。
- 語意 embedding 能否找出用詞不同但概念相近的程式碼節點。
- 節點標籤、caller/callee 連接數、關係型態與圖譜路徑是否吻合查詢脈絡。
trace_path中的跳數、邊類型、資料流或跨服務鏈路是否能串起因果關係。- 上層 agent 是否決定調用下一個工具,直接決定了候選節點能否化為具體的程式碼證據。
因此,CBM 相當適合「以語意搜尋切入、再以結構查詢嚴格驗證」的思維;若僅依賴語意搜尋的前幾筆回傳,並無法保證完整召回。
CBM 的遺漏率該如何看待?
官方 README 指出在 31 個真實 repo 上取得 83% answer quality、減少 10 倍 token 消耗與 2.1 倍 tool call 的成果,但這些數據屬於綜合指標,不能直接當成標準定義下的 Recall@K 或符號遺漏率。[9] 官方的評測文件也將答案品質、延遲與穩定度、token 與工具調用節省量拆開評估,要求在固定 commit SHA、固定題庫、模型、提示詞、context 上限與預算下,以 source evidence 為基準給予 PASS/PARTIAL/FAIL 判定。[13]
CBM 亦內建 index_coverage 與 check_index_coverage 等診斷工具,可標出解析不全、解析失敗、忽略或排除的檔案清單,並在回傳結果中附註覆蓋缺口。但官方也強調:clean coverage 僅代表「系統未記錄到異常」,不能直接作為程式碼庫 100% 完整被理解的證明。[1][14]
總結來說,CBM 具備完善的「防遺漏回報機制」,但尚無單一官方數據能直接斷言「遺漏率是多少」。嚴謹的遺漏率必須在固定測試集下,針對應出現的符號、關係邊、檔案與關鍵區間建立標準答案,再比對 top-K、分頁完整性與最終進入 context 的證據比例。
適用對象:專案涉及多種程式語言、跨服務或 IaC 拓撲,需要靈活多元的查詢能力,且能引導 agent 確實執行「搜尋 → 追蹤 → 取證 → 覆蓋驗證」嚴謹流程的團隊。
2. GitNexus:將檢索結果收斂為執行流程,無縫銜接影響分析與工作流
GitNexus 的索引管線涵蓋 Tree-sitter 語法解析、跨檔案符號關聯、社群分群(community clustering)與執行流程追蹤(process tracing),並建立 BM25 與語意混合檢索。索引資料儲存於 .gitnexus/,透過 registry 機制支援多 repo,可同時供 MCP、CLI、Web UI 及 eval-server 讀取。[2][5][16]
實際調用路徑:從概念定位流程,再循線取得證據
GitNexus 的官方 tool contract 呈現了標準的階層式調用邏輯:
query(search_query / goal / task_context)
→ 取得排序後的 processes 與 process_symbols
→ context(uid, include_content=true, chain_depth=N)
→ impact 或 trace:驗證 caller、callee、波及範圍(blast radius)與調用路徑
→ plan / work / review:以同一份圖譜證據推進實作任務
query 透過 Reciprocal Rank Fusion(RRF)融合 BM25 與語意檢索結果,並將命中項目依 execution process 進行分組;回傳結構整合了 processes、process_symbols 與定義內容,且 task_context 與 goal 都會納入排序加權。隨後,context 工具可針對特定符號展開其 caller、callee、分類引用與流程歸屬,並可選擇性包含源碼與最多三層的調用鏈。[16][17]
這種設計的優勢在於 agent 不必自行在多筆零散搜尋結果中拼湊執行邏輯;相對的限制則是檢索高度依賴初期的流程判定。一旦查詢未能命中正確的 execution flow,後續即使完整展開 context,也只是在錯誤的起點上做深入推論。
GitNexus 如何判定「重要性」?
GitNexus 的重要性評估主要分為三個層次:
- 搜尋關聯度:整合 BM25 與語意排序,透過 RRF 機制加權;同時被兩者命中的符號能獲得更高的融合排序分數。[17]
- 流程重要性:將同一批命中的 symbol 組織為 execution process,並依流程重要性排定優先級;藉由入口、路由與上下游調用鏈,讓 agent 獲取具脈絡的執行流程。
- 影響重要性:
impact工具沿 CALLS、IMPORTS、EXTENDS、IMPLEMENTS 或 PDG 關係展開,回傳深度、流程歸屬、信心度與風險等級;並可利用minConfidence、relationTypes、maxDepth參數收斂分析範圍。[16][19]
這套機制把重要性定義為「與當前提問的高度關聯」加上「在整體執行流程與依賴圖譜中的定位」,沒有先給全專案一個固定靜態排名。
GitNexus 如何標記不完整召回?
GitNexus 的特色在於將檢索邊界與不完整性直接內建於 API response 規範中:query、context 與 impact 皆受限於分頁大小與 output budget,並由 maxTokens 控制回傳長度。當跨 repo 分析遇到分支發散(fan-out)、連線逾時、部分同步或未完成同步時,系統會主動標示 truncated、truncatedRepos、truncationReason 與 riskEpistemic: lower-bound。這明確提醒 agent 目前看到的波及範圍僅為「下限」,絕不能將未列出的項目逕自視為不受影響。[16][18]
在程式相依圖(PDG)路徑上,系統亦不會以偽安全的方式隱藏缺漏。當 PDG 層不完整、callee 清單遭截斷、間接呼叫無法解析或中繼資料無法讀取時,狀態會直接被標記為 degraded 或 UNKNOWN,並同步提供證據層級與涵蓋範圍的補充說明。[19]
在 GitNexus 的 repo 中,內建的評測框架包含 baseline、native、native_augment 三種測試條件,負責記錄解析率(resolve rate)、成本、token 消耗、工具調用次數、GitNexus 使用率與 augment hit rate。這是一套評估 agent 是否有效利用記憶的具體方案,但本輪沒有執行它,也沒有可與另外兩個工具對齊的官方 recall 數字。[6]
適用對象:核心需求偏向「理解特定概念在整體執行流程中的運作方式」或「評估修改特定符號後的系統波及範圍」,且需要多 repo 管理、PDG 分析及完整 plan/work/review 流程串接的團隊;商業產品、團隊商用流程或 SaaS 使用前,PolyForm Noncommercial 授權仍需依具體用途交由法務審查。[2][4]
3. CodeGraph:將召回、源碼分配與缺口偵測收斂至單一 explore 工具
先前已另文說明 CodeGraph 的本地知識圖譜定位。CodeGraph 的設計哲學認為:多數情況下,agent 需要一個能同時完成檢索、圖譜展開與源碼組裝的統一入口 codegraph_explore。雖然它仍保留 node、search、callers、callees、impact 等底層工具,但 explore 才是官方推薦的預設入口。[3][20][21]
實際調用路徑:混合起點 → 圖譜擴展 → 源碼預算分配
其核心函式 findRelevantContext 的處理邏輯大致如下:
自然語言/符號查詢
→ 提取查詢符號(query symbol extraction)
→ 進行精確符號、名稱片段、CamelCase 詞綴與 FTS 全文比對
→ 合併結果,並結合路徑/多詞命中/共現關係(co-location)加權排序
→ 透過隨機漫步(RWR)等圖譜走訪演算法找出相關子圖
→ 產生調用路徑(call paths)、源碼區塊與 gap marker
→ 依據 output budget 將有限的字節預算分配給各檔案源碼
在預設配置下,context builder 僅選取最多 3 個搜尋入口、展開 1 層圖譜、納入 20 個節點與 5 個程式碼區塊(每區塊上限 1,500 字元)。系統預先鎖定 function、method、class、interface、route 等高資訊密度的節點類型;import 與 export 預設予以排除,因為這類語句通常僅能證明符號存在,無助於解釋實際運作邏輯。[21]
此外,CodeGraph 會從已取得的 calls 關聯中自動拼裝最多 6 跳的 call paths。若涉及 callback、事件機制、HTTP 客戶端、訊息佇列或框架 dispatch 等啟發式推導邊界,會在流程中特別標註註冊點;當靜態圖譜僅能解析至特定節點時,也會誠實標記截斷邊界,避免產生資訊完整的假象。[21]
CodeGraph 如何判定「重要性」?
CodeGraph 的重要性計算採用多維度綜合評分:
- 精確命中與查詢中明確提及的識別字享有最高優先級。
- 多個查詢詞同時出現在同一 symbol 或路徑中,或單一檔案內命中多個關鍵字時,享有共現加權(co-location boost)。
- 圖譜關聯度參考隨機漫步(RWR)質量、調用/依賴關係與起點連通性;能串聯多個查詢起點的路徑獲得優先。
- 函式、方法、類別、路由等高資訊節點,其優先級顯著高於僅具宣告意義的 import/export。
- 自動產生的檔案、測試檔或低價值檔案會被降權;源碼分配階段進一步考量檔案大小、骨幹架構(spine)、群組關聯與關聯分數,防止單一肥大檔案佔滿整個上下文預算。[20][21][23]
此處揭示了一個工程實務上的重要觀點:排序拔得頭籌,不保證能分到足夠的源碼容量。 CodeGraph 的設計文檔曾記錄過,某個強相關的重要檔案即便排名第一,也可能因檔案過大與容量規則而僅被截取部分內容。因此,系統將「關聯度排序」與「源碼預算分配」明確拆成兩個獨立且可被觀測的階段。[23]
CodeGraph 如何定義遺漏?
CodeGraph 在 explore sufficiency 評測文件中提出了三個具實用價值的行為判定指標:
| Agent 後續行為 | 判定類別 | 代表意涵 |
|---|---|---|
再次呼叫 explore | insufficient | 首次召回資訊不足,agent 尚無法作答 |
| 讀取「已回傳」的檔案 | allocation miss | 檔案定位正確,但所分配的源碼行數或字節不足 |
| 讀取「未回傳」的檔案 | recall miss | 正確的目標檔案根本未被檢索系統找出 |
| 執行 Grep 或 Glob | weak recall signal | agent 仍需自行搜尋,代表目前 context 支援力薄弱 |
| 進行 Edit/build/給出解答 | sufficient | agent 判斷現有資訊已足夠繼續推進任務 |
這項指標衡量的是「回傳資訊是否足以促使 agent 停止漫無目的的搜尋」,並不代表最終答案必然正確,官方文檔也特別強調 sufficient 不等於 correctness。若要推導真實的遺漏率,依然需要將回答內容與人工或測試定義的 ground truth 嚴格對照。[24]
此外,CodeGraph 會在回傳資料中附帶檔案分數、RWR 權重、關鍵字命中數、配置與實際輸出字節數、截斷狀況,以及因 max-files、分數門檻、預算限制或讀取失敗而未渲染的原因。這讓工程團隊能精確定位遺漏究竟源自排序失誤(ranking miss)、預算截斷(budget miss)還是語法抽取失敗(extraction miss)。[23]
其 README 所列的 A/B 測試數據顯示平均減少 88% 工具調用、速度提升 53%、節省 62% token,但這些指標無法直接換算為檢索召回率;且殘留上下文(residual-context)基準測試亦顯示,高密度的單次回傳可能導致後續對話 context 顯著膨脹。CodeGraph 的實質價值在於建立了透明的診斷與預算分配架構;官方數據仍不足以當作跨工具可比的絕對召回數字。[3][7][24]
適用對象:偏好以極簡、單一入口快速取得程式碼流向與關鍵源碼,並重視源碼預算配置、召回診斷與 context 佔用率的開發團隊。
4. 底層架構解析:索引層、儲存檢索層、MCP 工具層與 Context 組裝層
儘管三個專案在實作細節上各有取捨,但整體架構皆可收斂為四層處理模型:
專案原始碼 (Repo Source)
→ 語法解析器 / LSP / 符號關聯解析器 (Parser & Resolver)
→ 符號 + 關聯邊 + 全文索引 + 選擇性向量 (Index & Embedding Store)
→ 排序演算法 / 圖譜遍歷 / 源碼預算分配器 (Ranking & Allocator)
→ MCP 工具回傳 (Tool Response)
→ Agent 思考上下文與後續工具決策 (Context & Agent Action)
- 索引層:透過 Tree-sitter 或原生 parser 將程式碼剖析為 symbol,再由 resolver 建立 calls、imports、繼承、路由、事件或跨服務關聯邊。在此階段遺漏的節點與邊,後續任何先進的排序演算法都無法補救。
- 儲存與搜尋層:CBM 以 SQLite/FTS5 與本機 embedding 為主,其內部儲存結構同時維護 symbol、edge、源碼與查詢所需的輔助資料。[15] GitNexus 採用 LadybugDB、BM25、選用之 embedding 與 process 圖譜;CodeGraph 則基於 SQLite/FTS5 加 Rust/portable extraction。[2][3]
- 檢索與分配層:將查詢轉化為候選節點後,綜合考量關聯分數、圖譜權重、呼叫鏈、執行流程與 token/byte 預算進行動態篩選。在此階段最常發生「精準鎖定目標檔案,卻因預算限制遭截斷」的 allocation loss。
- MCP 與 Context 層:將萃取後的資料格式化為 agent 易於理解的 tool response,並附帶 cursor、截斷標記、覆蓋率、信心度與 lower-bound 等狀態訊號。若回傳遭截斷卻缺乏明確提示,LLM 極易將局部片段誤判為系統全貌。
真正應檢驗的是:向量找到的種子節點能否被靜態圖譜交叉驗證?圖譜延伸出的關聯邊是否有具體的源碼作為佐證?以及這些關鍵佐證能否在 context 預算限制下完整送達模型?[1][2][3]
5. 硬體配置概算:依資源瓶頸評估,不將單一測試作為通用規格
這三款工具皆可本地部署,核心索引流程無須將原始碼外傳至第三方 API;但啟用 embedding、PDG 分析、Web UI、檔案監聽(watcher)或多 repo registry 時,資源負擔將有顯著差異。評估硬體需求時,建議著眼於四個維度:檔案量與語言多樣性、索引架構是否高度依賴記憶體(RAM-first)、是否啟用向量/PDG,以及需同時承載的 agent session 數量。[9][10][11]
在實務規劃上,一般開發機或標準規格的虛擬機器已足夠作為起點:中小型專案建議以 4 核心 CPU、8–16 GB RAM 與 SSD 作為基準配置;若是大型 monorepo、多 repo,或是需要平行執行向量建置與 PDG 分析,預留 16–32 GB 以上的記憶體能提供較充裕的緩衝空間。此處僅為架構規劃之估算,非各專案官方發布之最低系統需求;CodeGraph 的 regression audit 數字,亦僅適用於其測試所列之特定專案規模與 worker 條件。[12]
- CPU:AST 解析、符號關聯、全文檢索與圖譜建構均屬 CPU 密集作業;多核心效能直接決定初次冷啟動索引與增量更新的速度。
- 記憶體(RAM):CBM 採用的 RAM-first 索引架構對記憶體峰值較為敏感;GitNexus 需一併考量 V8 heap、worker 行程與 LadybugDB buffer pool 的消耗;CodeGraph 雖會依可用記憶體動態調節,但仍需持續監控 RSS 佔用。
- 磁碟 I/O:固態硬碟(SSD)效能攸關索引讀寫、SQLite/LadybugDB 事務處理、embedding 快取、WAL 記錄與源碼快照;建議將原始碼庫、索引庫、暫存區與 WAL 的空間分開估算。
- GPU:核心語法解析、圖譜遍歷與 MCP 調用路徑均無須 GPU 參與;僅在選用本機 embedding 或額外神經網絡模型時,GPU 方能發揮加速向量建置的效益。
- 常駐服務架構:單一 agent 獨立運作與多用戶共用常駐 daemon 的記憶體模型截然不同;壓測時應分別觀察冷啟動索引、熱查詢、背景檔案監聽與多連線併發四種狀態。若部署於離線(air-gapped)隔離環境,亦需確認已依規範關閉 CodeGraph 的匿名遙測。[8]
6. 遺漏率的判定標準:釐清資訊究竟在哪個環節遺失
目前尚無公開證據顯示三個專案曾在相同規格的程式碼庫、相同基準題庫、相同模型與相同 context budget 下,發布過具標準化定義的 Recall@K 對比數據。因此,本文不推估未經實測的百分比數據,改將可被客觀重現的評估維度拆解為五個關鍵指標:
- Index coverage(索引覆蓋率):標準答案(ground truth)中的符號與關係邊,實際進入索引結構的比例;解析失敗、規則忽略、主動排除與過期未更新應分項統計。
- Retrieval Recall@K(檢索召回率):解答提問所需的目標節點與邊,出現在檢索結果前 K 名的比例;不能僅以語意搜尋的排名概括整體召回能力。
- Context evidence coverage(上下文證據涵蓋率):在已成功檢索的目標項目中,帶有必要源碼範圍、完整定義與 caller/callee 關聯並成功進入 MCP 回傳的比例。
- Allocation loss(預算分配損失):目標檔案雖已命中,但解答關鍵的源碼區塊因 byte、行數或 token 預算限制而遭截斷或未被渲染的比例。
- Agent recovery loss(推論理解損失):檢索工具已完整提供必要證據,但 agent 仍推導出錯誤結論的比例;此屬模型理解與推論層問題,不應歸咎於檢索系統。
在單一問題的診斷上,遺漏成因可系統化歸納為:
index miss = 目標符號或邊根本未被建立索引
ranking miss = 目標存在於索引中,但未擠入前 K 名候選
allocation miss = 目標檔案已成功出現在結果中,但關鍵源碼因預算不足未進入 context
agent miss = 所有必要上下文皆已送達,但 agent 仍未能給出正確解答
CodeGraph 的 explore sufficiency 架構提供了極具參考價值的行為訊號:主動讀取「未回傳」檔案代表 recall miss,手動讀取「已回傳」檔案代表 allocation miss,而重複呼叫 explore 則反映了 initial context insufficient。[24]
GitNexus 則透過 resolve rate、augment hit rate 以及 truncated、lower-bound、UNKNOWN 等欄位呈現分析完整度;CBM 則藉由 index coverage 覆蓋率檢查、cursor 分頁標記、截斷指示與 source-evidence 評分模型來把關資訊品質。[6][13][14]
7. 如何定義與評估程式碼的「重要性」?
在程式碼檢索領域,重要性既不能單純簡化為向量空間的餘弦相似度,也不宜僅看靜態的調用次數。建議將所有候選程式碼標記為三種語意層級:
- Answer-critical(核心依據):缺少即無法作答的資訊,例如被查詢的函式本體、完整的「路由—服務—資料庫」調用鏈、關鍵 caller 或改動直接衝擊的相依邊。
- Supporting(輔助佐證):能提升答案可信度,但缺失時仍可依賴其他線索推導的資訊,例如相關型別宣告、介面定義、設定檔來源、單元測試或框架註冊點。
- Incidental(附帶雜訊):純粹因關鍵字重疊而命中、物理位置相鄰、自動生成的模板程式碼、重複的 import 宣告或低資訊量之中繼資料。
在排序演算法的設計上,可由以下五個維度進行綜合評量:
| 評估維度 | 核心檢驗問題 | 對應的分析證據 |
|---|---|---|
| 查詢關聯性 | 此程式碼片段是否真正切中提問核心? | 精確符號比對、BM25 關鍵字、語意向量相似度、查詢詞命中數 |
| 結構關聯性 | 它是否構成了串聯起點與目標解答的結構橋樑? | call、import、繼承、路由綁定與事件監聽等關聯邊 |
| 影響重要性 | 修改此符號將在系統中引發多大範圍的連鎖反應? | 波及範圍(blast radius)、流程歸屬、圖譜結構質量(graph mass) |
| 執行路徑重要性 | 它是否位處實際的動態執行流程之中? | caller→callee 調用鏈、動態 trace、隨機漫步路徑、動態註冊機制 |
| 證據資訊密度 | 此段源碼是否包含足以驗證推論的實質邏輯? | 函式定義、關鍵實作本體、精確行號區間、測試與配置檔案 |
這五個維度有助於釐清三者的實作差異:CBM 傾向透過多訊號評分搭配彈性圖譜查詢;[9]
GitNexus 將重要性具體收斂為 execution process、影響範圍與信心度指標;[16]
CodeGraph 則將高價值節點過濾、RWR 漫步權重與源碼動態預算整合成單一 explore 輸出。三者都在處理「特定問題情境下的動態重要性」,沒有建立一個靜態不變的全域排名。[21][23]
此外,CodeGraph 在測試套件中將關聯度評分(relevance scoring)與上下文排序(context ranking)切分為獨立測試案例,這也體現了「找對目標」與「將目標妥善排進有限 context」是兩個截然不同的工程挑戰。[25][26]
8. 建立客觀評測方案:避免將 Token 節省率等同於檢索召回率
若要對這類工具進行公平的橫向對比,測試環境必須嚴格控制以下變因:鎖定同一專案 commit SHA、設計涵蓋五大典型場景的題庫、使用相同的 MCP 用戶端與基礎模型、設定一致的 context 預算與工具調用上限,並搭配人工審查建立的標準答案(gold manifest)。基準題庫至少應涵蓋:
- 找出特定函式的所有 caller。
- 完整追蹤從對外 API 路由經由 service、repository 至 database 的全路徑。
- 評估修改特定核心檔案後的系統波及範圍(blast radius)。
- 找出跨服務非同步事件的 producer 與 consumer 節點。
- 在修改源碼或新增依賴邊後,驗證增量索引能否正確反映最新狀態。
每道題目應預先建立標註清單:列出必要的節點、關係邊、檔案與源碼區間,並清楚標示為 answer-critical、supporting 或 incidental。測試執行期間應完整記錄每次 MCP tool 調用、候選節點排序、最終回傳結構、cursor 狀態、截斷標記、覆蓋率、信心度、agent 的後續動作及最終回答。結算時應同步呈現多元指標:Recall@K、路徑覆蓋率、上下文證據涵蓋率、預算分配損失(allocation miss)、推論理解損失(agent recovery loss)、工具調用總數、回應延遲與 token 佔用量。
在評測思維上,CodeGraph 的 quality loop 強調以真實程式碼庫與多樣化查詢驗證上下文是否足以支持 LLM 正確作答;GitNexus 的評測框架則聚焦於拆解 baseline、native 與 native_augment 條件下的解析率、成本、token 與調用次數。兩者各有側重且具互補價值;但在基於相同條件完成嚴謹的對照實驗前,不宜斷言特定工具的召回率具絕對優勢。[6][22][24]
9. 選型評估:依據團隊所需的記憶調用模式進行決策
| 核心需求場景 | 優先評估工具 | 核心優勢 | 關鍵防範風險 |
|---|---|---|---|
| 多語言混編、跨服務架構、需由 agent 自行組合精確圖譜查詢 | codebase-memory-mcp | 工具鏈完整,涵蓋語意、圖譜遍歷、鏈路追蹤、精確取碼與索引覆蓋驗證 | Agent 選擇錯誤調用順序;未確實處理分頁 cursor 或忽略未涵蓋警示 |
| 需將檢索脈絡無縫導入架構規劃、程式實作、代碼審查與影響分析 | GitNexus | 完整整合 execution process、符號上下文、影響分析、PDG 與工作流機制 | 初始流程識別偏離;索引過期未同步;將截斷的 lower-bound 誤判為全貌 |
| 偏好以單一低摩擦入口快速獲取關鍵流程與核心源碼 | CodeGraph | explore 工具高度整合排序、圖譜擴展、源碼預算分配與即時診斷訊號 | 排序正確但源碼預算不足(allocation miss);高密度回傳導致後續 context 迅速膨脹 |
最終的選型思考應回歸核心本質:程式碼記憶工具的核心價值,在於能否穩定地將關鍵程式碼證據注入 agent 的上下文窗口。 任何系統性的評估方案,都應將索引覆蓋率、檢索召回率、上下文證據涵蓋率、源碼分配損耗與最終作答品質分開檢驗。目前各專案官方釋出的多為不同面向的基準測試與診斷數據,尚無足以一錘定音的跨工具統一遺漏率結論。
Sources
- 1:codebase-memory-mcp official repository
- 2:GitNexus official repository
- 3:CodeGraph official repository
- 4:GitNexus license
- 5:GitNexus architecture
- 6:GitNexus evaluation harness
- 7:CodeGraph residual context benchmark
- 8:CodeGraph telemetry policy
- 9:codebase-memory-mcp current README
- 10:GitNexus current README
- 11:CodeGraph current README
- 12:CodeGraph regression audit memory measurements
- 13:CBM measuring quality latency and agent savings
- 14:CBM MCP tool schemas and output bounds
- 15:CBM store schema and search implementation
- 16:GitNexus MCP tool contracts
- 17:GitNexus hybrid search implementation
- 18:GitNexus MCP output budget implementation
- 19:GitNexus PDG impact evidence and lower-bound handling
- 20:CodeGraph explore implementation and output allocation
- 21:CodeGraph context builder and relevance defaults
- 22:CodeGraph search quality loop
- 23:CodeGraph explore budget allocation design
- 24:CodeGraph explore sufficiency benchmark
- 25:CodeGraph relevance scoring tests
- 26:CodeGraph context ranking tests
Token 省下來,不代表證據到齊。真正要量的,是漏在哪一層。
Signals
Visits
--
Waiting for Cloudflare metrics.