最新

图形 RAG 用于 C/C++ 开发 1. 概述 该项目通过大型语言模型实现深度代码分析。通过构建基于 Neo4j 的图形 RAG，它使开发者和 AI 代理能够对 C/C++ 代码库执行传统搜索工具无法处理的复杂多层查询。仅使用 4 个 MCP API 和一个基础代理，它已经能够完成与代码库相关的许多任务。 2. 工作原理 系统使用 clangd 和 clang 解析并索引您的源文件，以创建高保真度的代码图。它捕获从高层文件夹结构到细粒度关系的所有内容，包括文件夹、文件、命名空间、类/结构、变量、方法等实体；以及 CALLS、INCLUDES、INHERITS、OVERRIDES 等关系。 系统采用自下而上的方法，为代码库的每个层级（从函数到整个文件夹）生成摘要和嵌入。这种结构化的上下文帮助 AI 代理理解“全局视图”，而不会在语法中迷失。 为了让您轻松入门，该项目包括：一个示例 MCP（模型上下文协议）服务器，以及一个演示 AI 代理，以展示图形的强大功能。您可以轻松地在图形 RAG 的基础上构建自己的自定义代理和服务器。 3. 效率与性能 增量更新：系统检测提交之间的变化，仅更新必要的部分。 并行处理：解析和摘要生成分布在多个工作进程中，优化数据共享。 智能缓存：结果被缓存以最小化冗余计算，为您节省时间和 LLM 成本。 4. 基准：Linux 内核 在工作站（12 核心，64GB RAM）上为 Linux 内核（WSL2 版本）构建代码图时，使用 10 个并行工作进程大约需要 ~4 小时，峰值内存使用约为 ~36GB。请注意，此过程不包括摘要生成，总时间可能会根据您的 LLM 提供商而有所不同。

大家好，我刚刚到这里，希望能与社区一起学习和分享想法。

建立了一个MCP服务器，将Claude Code与Robinhood连接起来。通过对话检查投资组合、获取报价和下单。

端点状态政策（ESP）是一种将政策意图与执行分开的数据驱动政策系统。<p>政策以结构化数据的形式定义所需状态和证据，而不是脚本。它们被编译成受限的合同，执行引擎必须遵循这些合同，从而产生证明，而不是自由格式的输出。<p>合同模型限制了执行的操作，防止政策逻辑变成临时工具，同时允许相同的政策在不同的环境和后端中运行。<p>ESP专注于可移植的意图、受限的执行和可验证的结果——而不是将政策嵌入工具中。