CodeBuddy通过五机制精准理解项目上下文：一、依赖CODEBUDDY.md提供静态规范；二、用Tree-sitter构建动态代码知识图谱；三、按需多粒度加载上下文；四、运行时缓存复用结构化上下文；五、通过MCP集成外部知识源。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在使用codebuddy时发现其生成代码不符合项目规范、无法正确识别函数依赖或修改了错误的文件，则很可能是项目上下文未被准确理解。以下是codebuddy理解项目上下文的核心机制与具体实现方式：一、创建CODEBUDDY.md配置文件
该文件是CodeBuddy识别项目技术栈、架构约束和开发规范的起点，它为AI提供静态结构化上下文。缺少此文件将导致模型仅基于通用编程常识推理，无法适配项目特有约定。
1、在项目根目录新建纯文本文件，命名为CODEBUDDY.md。
2、按规范填写技术栈信息，例如：Frontend: React 18 + TypeScript + Tailwind CSS。
3、明确列出开发规范条目，如API遵循RESTful规范、所有接口需要JWT认证。
二、构建代码知识图谱
CodeBuddy通过Tree-sitter进行AST级解析，跨文件提取符号定义、调用关系与数据流向，形成动态可查询的语义图谱。该图谱支持实时响应代码变更，是理解“某函数被哪些组件调用”等复杂依赖问题的基础。
1、启动CodeBuddy后，自动扫描项目中所有源码文件并建立索引。
2、当用户选中一个函数并提问时，系统从图谱中检索Symbol/DefinitionLookup结果，定位其声明位置与全部引用点。
3、对跨文件修改任务（如重命名），触发Cross-file Reference分析，确保所有关联位置同步更新。
三、执行多粒度上下文加载
CodeBuddy不依赖单次大块上下文输入，而是按需加载不同精度的信息单元，避免超出模型上下文窗口限制，同时保障关键细节不被截断。
1、基础层：读取当前编辑文件全文，使用ReadFile工具获取完整内容。
2、扩展层：调用ReadDirectory/Tree获取相邻模块目录结构与关键配置文件（如package.json、tsconfig.json）。
3、聚焦层：执行Search(全文/语义搜索)，精准定位与当前任务相关的函数、常量或注释片段。
四、运行时上下文注入与缓存
在任务执行过程中，CodeBuddy将已处理过的上下文内容缓存，并在后续步骤中复用，既提升响应一致性，又显著降低Token消耗。缓存命中依赖内容完全一致，微小编辑即导致失效。
1、首次分析某API路由时，完整加载controller、service、dto三层代码并生成中间表示。
2、后续对该路由的修改请求（如增加参数校验）直接复用已缓存的结构化上下文。
3、确认缓存有效性的关键提示为：Token缓存命中率90%以上。
五、集成Model Context Protocol（MCP）扩展上下文边界
MCP允许开发者接入外部知识源，将数据库Schema、OpenAPI文档、团队Wiki页面等非代码资产纳入上下文体系，使AI具备超越代码库本身的领域认知能力。
1、在CODEBUDDY.md中声明MCP连接器，例如：mcp://internal-api-spec.yaml。
2、执行任务前，CodeBuddy自动拉取对应资源并解析为结构化上下文片段。
3、当生成接口实现时，自动对齐OpenAPI中定义的requestBody schema与response status code。
