sublimecodeintel 仅适用于离线轻量python/js小型脚本或遗留项目，因依赖本地codeintel引擎和sqlite索引，易因安装、路径、索引损坏等问题静默失效；现代开发应优先选用lsp+语言服务器。
SublimeCodeIntel 不是开箱即用的“智能提示”，它依赖独立的 CodeIntel 引擎和本地索引，且在 2026 年已明显落后于 LSP 生态；如果你只是想快速获得函数签名、跳转定义、跨文件补全，**优先用 LSP + 对应语言服务器（如 pylsp、typescript-language-server）**——SublimeCodeIntel 仅适合遗留项目或离线轻量 Python/JS 小型脚本场景。
为什么 SublimeCodeIntel 容易“不工作”
它不是纯前端插件，而是一个客户端+本地服务混合体：编辑器调用 codeintel 命令行工具扫描项目生成 SQLite 索引库（~/.codeintel），再通过 socket 通信读取结果。一旦引擎未装、路径不对、索引损坏或语言映射缺失，就完全静默——不会报错，也不会弹提示。
-
codeintel命令在终端里执行失败 → 检查是否安装了对应 Python 版本的CodeIntel包（Python 3 项目必须用pip3 install --upgrade --pre CodeIntel） - 打开 Python 文件后右下角无
CodeIntel: ready提示 → 查看 Sublime 控制台（Ctrl + `）是否有ImportError或socket.error - 补全只对内置函数有效，对自定义模块无效 → 检查
"scan_extra_paths"是否包含你的模块根目录，且该目录下有__init__.py（Python）或.js文件（JS） - 修改代码后补全延迟或不更新 → 它不监听文件变更，需手动触发重索引（见下一条）
如何强制重建索引并确认生效
索引损坏是最常见的“功能消失”原因，尤其在切换分支、更新依赖或移动项目后。重建不是重启编辑器那么简单。
- 完全退出 Sublime Text（macOS 注意右键 Dock 图标选 “Quit”，Windows/Linux 关掉所有窗口并确认进程结束）
- 删除整个
~/.codeintel目录（Windows 是%userprofile%\.codeintel） - 重新启动 Sublime Text，打开一个目标语言文件（如
main.py），等待右下角出现CodeIntel: indexing...→CodeIntel: ready - 此时可手动测试：
Ctrl+Shift+Space触发补全，或将光标停在函数名上按Ctrl+Click跳转定义；若仍失败，说明codeintel进程根本没起来，回退检查 Python 环境和 PATH
关键配置项必须手动设对
默认配置几乎不可用，尤其是多 Python 环境或非标准项目结构下。
-
"disabled_languages"默认为空，但若你只写 Python，建议显式写成["JavaScript", "PHP", "Ruby"]，避免后台为无关语言启动子进程拖慢响应 -
"syntax_map"必须配：比如用Vue Component语法写<script></script>，默认识别为 HTML，要加"Vue Component": "JavaScript" -
"scan_extra_paths"是硬需求：例如项目结构为src/utils.py+app/main.py，而main.py导入from utils import helper，就必须把src/加进该列表，否则helper永远不被索引 -
"live"设为false反而更稳：实时补全（live: true）会频繁触发解析，在大型文件中极易卡顿；改用Ctrl+Shift+Space按需触发更可控
LSP 已成事实标准，SublimeCodeIntel 的边界在哪
它不支持类型推导、重命名重构、代码格式化、诊断报告等现代 IDE 功能，也不兼容 tree-sitter 解析。真正卡点在于：它无法处理动态导入（如 importlib.import_module）、装饰器包裹的函数、或 JS 中的 require() 模块加载模式。
如果你的项目用了 poetry、conda、pnpm 或任何非标准模块解析逻辑，SublimeCodeIntel 基本失效；此时必须切到 LSP，并在 LSP.sublime-settings 中正确配置 "command" 指向虚拟环境里的 pylsp 或全局安装的 typescript-language-server。SublimeCodeIntel 唯一不可替代的场景，是内网离线环境且项目足够小——它不依赖网络下载 server binary，所有逻辑都在本地 Python 进程里跑完。
