基於 Tree-sitter 與 ChromaDB 的本地 AI 代理記憶，支援程式碼引用

本地 agent memory，使用 tree-sitter + ChromaDB，為 AI agent 提供持久的程式碼庫上下文，並附帶引用，是解決 agent 上下文記憶問題的創新實作。

作者為了解決 AI 助理每次會話都需重新解釋程式碼庫的痛點，開發了一個本地優先的記憶系統，旨在提供跨會話的持久專案上下文。 • 該系統的核心理念是嵌入前確定性解析，利用 tree-sitter 精準提取程式碼的實際結構，包括函數、類別、方法和行號，而非簡單的文本區塊。 • 當代理查詢記憶時，它會獲得帶有實際檔案路徑和行號的引用（例如：code_indexer.py:42），顯著減少了 token 使用並提升效率。 • 其檢索管道結合了 ChromaDB 進行語義搜索，並透過詞彙重新排序優化結果，最終將查詢路由至 DeepSeek 或本地 Ollama 實例；所有操作均在本地執行。 • 引用資訊會在大型語言模型（LLM）合成答案前注入回應中，確保答案的來源可追溯。 • 作者誠實指出，記憶品質高度依賴輸入資料，如誤索引其他專案檔案可能導致錯誤資訊，目前需透過 .memignore 檔案手動排除。

作者表示，此記憶系統對他很有幫助，因為他注重預算，並希望在擁有 GitHub Copilot 訂閱的同時，節省昂貴的「上下文稅」。