当前位置：首页>java>读代码不再抓瞎:一套方法让 AI 秒懂任何仓库

读代码不再抓瞎:一套方法让 AI 秒懂任何仓库

2026-10-21 13:27:01

上周，我展示了一个工具，它让我们的首席技术官 (CTO) 彻底重新思考了我们的内部工具。当时我正在公司做一场关于 AI 开发工作流和工具的午餐分享会。我随口提到了一个我一直在用的工具，我的老板打断了我：

“等等，那是什么工具？我为什么需要它？”

那时我才意识到：很多开发者都不知道这个与 AI 进行上下文注入的秘籍。

我一直用这些技巧，在 30 秒内将任何代码库转化为完美的 AI 上下文。看到我的团队的反应，并因此调整了我们的路线图以引入新的工作方法后，我认为最好在这里分享一下。

代码仓库的上下文问题

在开发我的开源项目时，我研究了我最喜欢的几个库。这是那篇文章： 我最喜欢的那些库都在用的文档框架(https://medium.com/@alexjamesdunlop/the-documentation-framework-my-favourite-libraries-use-cfbb12ca23d7?source=post_page-----71919d497531---------------------------------------)

发现这个框架后，我为什么不再用 Docusaurus(https://medium.com/@alexjamesdunlop/the-documentation-framework-my-favourite-libraries-use-cfbb12ca23d7?source=post_page-----71919d497531---------------------------------------)

我最喜欢的那些库，它们的文档中往往会有一个为大语言模型 (LLM) 准备的上下文文件。这个文件是给 LLM 看的，而不是给人看的。

这对我来说很有意义，因为从文档到编码，它可以在内部开发中发挥作用。使用这个库的人也能够利用这份上下文。

当你使用 AI 进行开发时，你会在以下工具之间不断切换：

IDE — Cursor、Claude Code 等。

ChatGPT — 用于快速构思业务逻辑或创意。

Claude — 用于研究。

Gemini — 用于大规模上下文注入和查询。

不同的模型 — 用于处理不同任务。

问题在于：只有你的 IDE 拥有代码库的完整上下文，而且在使用 AI 编码工具时，你无法控制提供上下文的方法（例如，是使用 `grep` 还是向量化 (vectorization)）。

让我拥有更强控制力的发现

在研究各种库和上下文 MCP 内部工作原理时，我偶然发现了一些绝对具有突破性的东西。

有些工具可以解决这个问题。我个人用过并且现在仍在使用两款工具，它们能将任何代码仓库打包成一个 AI 友好的文件：

JavaScript/TypeScript — Repomix(https://github.com/yamadashy/repomix) (18.2k 星)

npx repomix  # Creates repomix-output.xml

Python — OneFileLLM(https://github.com/jimmc414/onefilellm) (1.5k 星)

git clone https://github.com/jimmc414/onefilellm.gitcd onefilellmpip install -r requirements.txtpython onefilellm.py ./your-project/

它们创建结构化的 AI 上下文文档，让你在 AI 使用和理解你的代码时拥有更强的控制力。

这如何改变了我的工作流

之前：仅使用 IDE

打开 Cursor 进行开发。
决定编写一篇 Confluence 文档。
打开连接到公司租户的 Claude Confluence MCP。
复制粘贴（或让 Cursor 提供相关文件）。
（在 AI 写完后）意识到上下文不正确。
从头再来，或者换一套工具做类似的事情。

之后：

运行一个 bash 命令。
将文件内容复制粘贴到任何 AI 工具中。

# For JavaScript/TypeScriptnpx repomix# For Python projects  python onefilellm.py ./src/

一个文件，就能在我想要的任何 AI 模型、任何界面上，以我想要的方式处理我拥有的任何代码库上下文。

为何这对我来说是颠覆性的改变

我喜欢快速尝试并比较 Gemini、Claude 和 ChatGPT，我的方法是使用它们各自独立的 Web 应用。我通常会粘贴相同的提示和上下文，然后选择最佳结果。

有了这种新方法，我能够轻松地将整个代码库传递给我想要的工具。

这个命令非常易于使用，现在只需再次运行该工具的命令，就能轻松保持代码库的更新。

当产品团队问我某个功能是如何工作时，这种方法给我带来了极好的效果。我现在可以将上下文放入 AI 工具并提出他们的问题，这让我看起来像拥有了超能力。

这种上下文切换 (context switching) 的能力，在我开始使用这个工具之前是无法实现的。

模型的自由

现在我不再感觉被锁定在任何特定的 IDE 或 AI 工具中。我可以在各种工具之间快速切换：

GPT

Claude Sonnet

Gemini

Deep Research

Cursor

Claude Code

GitHub

上下文的控制

我现在可以随心所欲地控制我想要的上下文：

# Only authentication-related coderepomix --include "src/auth/**/*.ts"# Exclude tests and focus on business logic  repomix --ignore "**/*.test.ts" --include "src/core/**/*"# Compress for large codebasesrepomix --compress

团队工作流的可能性

既然你掌握了上下文，就可以用它来帮助你：

代码审查 (Review code) — 检查特定的功能和测试。

新人入职 (Onboarding) — 用它来帮助你创建文档。

开发讨论 — 在开发会议或类似结对解决逻辑问题的场景中使用它。

产品讨论 — 你会看起来像个超级英雄。

安全审计 (Security audits) — 检查是否存在任何重大问题。

我一直在尝试的高级用例

微服务 (Microservices) — 将多个代码仓库打包，并将它们全部用作上下文，以了解它们之间如何交互。

文档生成 — 从零开始完整地构建文档。

模块分析 — 分解代码库的特定部分，以理解如何改进它们。

环境搭建

它的速度非常快，所以你不妨一试。

JavaScript/TypeScript

Python

高级用法

# Custom output for specific analysisrepomix --include "src/**/*.ts" --ignore "**/*.test.ts" --compress# Multiple sources with custom namingpython onefilellm.py ./api/ ./frontend/ --output-file full-stack-context.xml

总结

手动输入上下文可能相当重复，尤其是在处理代码时。