用途:VectorCode 提供语义代码搜索,基于 RAG(检索增强生成)与向量嵌入,将代码索引到 ChromaDB,让用户按含义而非精确文本匹配查找代码。适用于命名约定不同但功能相似的代码、跨大型代码库发现实现示例、理解特定概念或模式的使用位置、为 AI 辅助开发检索上下文,以及不知道确切变量或函数名时的搜索。
主要能力:提供 MCP 工具。mcp__vectorcode__ls 无参数列出已索引项目;mcp__vectorcode__query 按概念搜索,参数包括 query_messages(关键词数组,应拆分短语并包含相关词)、n_query(检索文件数,上下文不足时增加)、project_root(项目路径,先从 ls 获取);mcp__vectorcode__vectorise 将文件加入索引,参数为 paths(精确、区分大小写的文件路径数组)和 project_root;mcp__vectorcode__files_ls 列出项目已索引文件;mcp__vectorcode__files_rm 从索引移除文件。
使用方式:先用 vectorcode init 初始化项目,用 vectorcode vectorise src/ 索引源码目录,代码变更后用 vectorcode update 重新索引改动文件,也可用 vectorcode query "authentication logic" -n 10 手动搜索。配置位于 home/.config/vectorcode/config.json5,可设置 db_url(如 http://127.0.0.1:8000)。MCP 在 home/.claude/settings.json 中配置,命令为 vectorcode-mcp-server。查询建议:先运行 ls 获取有效 project_root;把查询拆成关键词;加入相关词与导入名;失败时换用不同但相关的正交关键词,避免重复相同词;结果上下文不足时增加 n_query;不要转义特殊字符。结果处理上应给出文件路径与行范围引用,不要粘贴完整源码;路径相对项目根目录;不要建议在工作目录之外修改。
限制:需要配置的 ChromaDB 服务在对应 URL 运行;单文件请求的检索可能不准确,应检索多个;结果依赖嵌入与分块质量;适合语义搜索而非精确模式匹配,精确匹配应使用 grep。故障排查:无结果时检查项目是否已索引、扩大关键词、增加 n_query;文件未更新时运行 vectorcode update 或重新 vectorise 指定文件;项目未找到时用 ls 核实 project_root 并确认是否已初始化。与 grep/ripgrep 的关键区别是它查找概念相似的代码,而 grep 查找精确文本模式。