
senoldogann/llm-context-manager
Developer toolsЭта страница переведена автоматически. Технические детали смотрите в оригинале. Открыть оригинал
Устраните разрыв между вашей кодовой базой и вашим редактором ИИ. CCM преобразует статический исходный код в динамический, запрашиваемый Граф знаний, позволяя агентам ИИ ориентироваться, понимать и рассуждать о вашей работе.
Обзор
Устраните разрыв между вашей кодовой базой и вашим редактором ИИ. CCM преобразует статический исходный код в динамический, запрашиваемый Граф знаний, позволяя агентам ИИ ориентироваться, понимать и рассуждать о вашем проекте с хирургической точностью. Внешний эталон на реальных репозиториях (серде, колбе, экспрессе) с 35 проверенными вручную золотыми задачами, честными показателями Recall@K/MRR/latency и гибридными показателями на уровне 82,9% против 80,0% только семантически - плюс долговечное фоновое семантическое обновление v0.3.12 и офлайн-семантические ворота 180/180. Современные помощники по кодированию ИИ (Claude, Cursor, Windsurf) мощны, но страдают от: CCM превращает необработанный код в запрашиваемый график, поэтому агенты отвечают на связанные логические вопросы, а не гадают из похожих слов. В отличие от инструментов, которые сбрасывают необработанный код, CCM впрыскивает: - Объясняет, почему был извлечен код - - Карты, как файлы общаются друг с другом - - Показывает уверенность в результатах Многие инструменты AI-контекста останавливаются на семантическом поиске: они встраивают файлы и возвращают фрагменты, которые просто похожи.
Обзор (машинный перевод)
Английский | Turkce
График кода для агентов кодирования ИИ, который не отстает от ваших правок — и сообщает вам, когда он не смотрит.
CCM анализирует ваш проект на дереве-ситере (13 языков), сохраняет вызов.
импорт графа плюс дополнительный семантический индекс на диске, и служит им для Агенты, такие как Claude Code, Codex и Cursor через MCP. рекомендованный Точка входа агента
context: дать ему символ,path:line, или натуральный Языковое кодирование и CCM выбирают структурный граф или гибридный поиск Серверная сторона. На Django 5.1 (6 670 файлов) в графе отображается сохраненное изменение Результаты после медианы около 0,6 с (измерение: Скачать бесплатно, Embedder Off Ответы на запросы начинаются с состояния индекса [[Т2]], [[Т3]] в то время как зарегистрированные изменения ожидаются, или [4], и неудавшийся повторный индекс никогда не заменяет Последний хороший график. В предварительно зарегистрированном бенчмарке свежести L1 (однофункциональный) правки в Flask 3.0.3 и Django 5.1, датчики в фиксированное время, каждый ответ графа от 0,25 с после сохранения на соответствующий монтаж; в окне sub-250 мс до Наблюдатель применяет событие, 6 из 126 зондов вернули заранее отредактированный ответ
Эта страница переведена автоматически. Технические детали смотрите в оригинале.
README
Показан фрагмент оригинального README. Открыть оригинал.
Cognitive Codebase Matrix (CCM)
English | Turkce
A code graph for AI coding agents that keeps up with your edits — and tells you when it is not watching.
CCM parses your project with tree-sitter (13 languages), keeps a call and import graph plus an optional semantic index on disk, and serves them to agents such as Claude Code, Codex and Cursor through MCP. The recommended agent entry point is
context: give it a symbol,path:line, or a natural- language coding task and CCM chooses structural graph lookup or hybrid search server-side. On Django 5.1 (6,670 files) a saved change shows up in graph results after a median of about 0.6 s (measurement: release build, embedder off). Query responses start with the index state (fresh,stale · …while a registered change is pending, orauto-refresh off · indexed Xs ago), and a failed re-index never replaces the last good graph. In the pre-registered L1 freshness benchmark (one-function edits in Flask 3.0.3 and Django 5.1, probes at fixed times), every graph answer from 0.25 s after a save on matched the edit; in the sub-250 ms window before the watcher applies the event, 6 of 126 probes returned the pre-edit answer still labeledfresh, and 4 more a partial or empty one (benchmarks/).
Status: search quality has a 35-task pilot benchmark. In an LLM-free benchmark of 24 fixed questions on Flask and Django, the 0.4.0 tools answer with 74% fewer response bytes and a third fewer calls than the 0.3 tools (token cost). A 2026-10-02 Claude Code pilot then showed the product-level gap: on three small/medium tasks the agent never called CCM, while merely exposing CCM increased input tokens. The active work therefore moves tool selection into the new one-call
contextentry point. That change has not yet been shown to reduce end-to-end agent tokens; the pilot and its negative result remain published underbenchmarks/results/agent/pilot-claude/.
Why CCM?
Coding agents find code well with grep. What grep does not give them is
Рекомендуемые инструменты
Попробуйте другой запрос или уберите фильтр.
Установка
npx skillfish add senoldogann/llm-context-manager