AI 原生圖譜平台

CodeMind Graph

把 Repository 轉換為可持久保存的 Symbol Graph、Repo Map 與唯讀 MCP Context，讓 AI Coding Agent 能在長期工程工作階段中穩定接續脈絡。

前往 GitHub查看流程
Local-first私有程式碼上下文
Read-onlyMCP 安全邊界
雙語架構全球開發者入口

為什麼需要 CodeMind Graph

AI Coding Agent 需要的不只是原始檔案

大型 Repository 會快速耗盡 context window，架構關係也常被檔案樹掩蓋。CodeMind Graph 把程式碼結構轉成可持久保存的知識層，讓人類與 Agent 都能穩定查詢。

現有限制

Context window 會碎片化

模型可以讀取少量檔案，但在長期工程任務中，很難穩定維持完整依賴與架構脈絡。

單純 RAG 不夠確定

相似度搜尋能協助探索，卻無法保證符號歸屬、import path 與 module boundary 的 deterministic 關係。

專案記憶容易漂移

如果決策、Repo Map 與交接狀態沒有與目前 graph 對齊，Agent resume 後很容易依賴過期資訊。

CodeMind Graph 解法

Knowledge Graph

把檔案、模組、符號、imports、exports 與 trace 轉為可定位的 graph entities，而不是鬆散文字片段。

Local-first Runtime

Repository intelligence 在本機產生並保存於 `.codemind/`，兼顧隱私、資料主權與低延遲查詢。

Persistent Engineering Memory

Repo Map 與唯讀 MCP tools 讓 Agent 跨 session 保持穩定上下文，同時不暴露私有工程筆記。

Workspace graph

把 Repo Context 變成可導航圖譜

CodeMind Graph 將檔案、模組、符號、imports、exports 與 Agent Context 整合為 deterministic workspace layer。

Symbol Graphfunctions、classes、interfaces
Repo Map產生 CODEMIND.md
MCP Toolsfind_symbol 與 get_repo_map
Session Memory持久化工程交接
  1. 01index repo
  2. 02build graph
  3. 03rank context
  4. 04guide agent

工程實踐

AI 原生、在地優先的工程標準

CodeMind Graph 把結構化 context 視為一級工程產物。產品核心建立在 deterministic graph、隱私優先的本機處理，以及唯讀 Agent integration 之上。

AI-first Development

Repository 同時為 Agent 與人類設計：指令輸出必須 deterministic、可 diff，且 context 必須結構化。

Local-first Processing

Source analysis 在開發者本機執行。除非專案擁有者明確發布 public demo，否則 graph data 不離開本機。

Privacy-first Architecture

MCP tools 預設唯讀，不暴露 session notes、私有 docs、環境變數，也不提供寫入操作。

Source of Truth Management

透過 persisted graph、Repo Map 與 docs-as-state，讓長期工程 session 能被 resume、review 與 audit。

架構標準

v0.1 架構以 TypeScript Compiler API adapter、deterministic core graph model、CLI-first query surface 與 read-only MCP server 為核心。

Knowledge Graph Runtime將 files、modules、symbols、imports、exports 與 traces 建模為穩定 nodes 與 edges。
AI-native Workflow在 Agent 行動前，讓 Implementer、Evaluator 與 Reviewer 共享同一份結構化 context。
Persistent Context System以 generated repo map 與 project state docs 作為 long-running engineering session 的 handoff artifacts。
Graph-based Code Intelligence在架構任務中，優先使用 deterministic symbol navigation，而不是近似的 raw-file prompting。
閱讀工程實踐

品牌定位

CodeMind Graph 不是另一層文件工具

CodeMind Graph 為大型 Repository、AI Agent 與長期工程開發而設計，結合 graph-driven code intelligence 與 local-first safety。

不是
  • 不是單純文件工具
  • 不只是向量資料庫
  • 不是 raw RAG wrapper
而是
  • AI-native code knowledge graph
  • Local-first repository intelligence layer
  • 支援長期 Agent 的 graph-driven context system

Core capabilities

功能

視覺化思維映射

以節點與關係呈現專案結構，而不是把原始檔案直接塞給 Agent。

AI 輔助知識連結

在修改大型程式碼前，先給 Agent 穩定的符號與依賴上下文。

持久化工程記憶

把決策、狀態與 Repo Map 與私有原始碼曝光風險分離。

多代理人協作

為 Implementer、Evaluator 與 Librarian 建立共享圖譜上下文。

AI 原生工作區

讓 Repository 本身成為 Agent 可讀、可查詢、可接續的工程工作區。

圖譜式上下文系統

從模糊搜尋轉向符號、模組與依賴關係的結構化導航。

Agent workflow

從 Repository 到 Agent-ready Context

01

Index

掃描 TypeScript 原始碼並寫入 .codemind/graph.json。

02

Map

產生 CODEMIND.md，供人類與 Agent 共同閱讀。

03

Serve

透過唯讀 MCP tools 精準取回圖譜上下文。

04

Reason

用圖譜結構支援長期持久化工程工作階段。

Developer-first

從 deterministic repo map 開始

CodeMind Graph 以 local-first 工程流程為核心。先產生圖譜、檢查符號，再把安全的唯讀上下文交給 Agent workflow。

pnpm check && node packages/cli/dist/index.js map --root examples/ts-basic --format markdown
GitHub