工作原理

从"你跟 AI 写代码"到"你队友的 coding AI 拿到你的决策"的完整流程。

数据流

┌─────────────────────────────────────────────────┐
│                   数据来源                        │
│  AI 对话记录        源代码          文档           │
└────────┬──────────────────┬────────────┬─────────┘
         ▼                  ▼            ▼
┌─────────────────────────────────────────────────┐
│                  摄入层                           │
│  Session 摄入     Joern CPG       冷启动          │
│  (分段 → 提取)    (代码结构)      (LLM 推断)      │
└────────┬──────────────────┬────────────┬─────────┘
         ▼                  ▼            ▼
┌─────────────────────────────────────────────────┐
│             MEMGRAPH（图数据库）                   │
│  CodeEntity ◄──ANCHORED_TO──► DecisionContext    │
│  CALLS/CONTAINS 边          CAUSED_BY/DEPENDS_ON │
└───────────────────────┬─────────────────────────┘
                        ▼
┌─────────────────────────────────────────────────┐
│             MCP SERVER（9 个工具）                 │
│  五槽位检索 + 渐进披露                             │
└───────────────────────┬─────────────────────────┘
                        ▼
┌─────────────────────────────────────────────────┐
│  Claude Code / Cursor / 任何 MCP 兼容 AI          │
│  写代码时自动获取决策上下文                         │
└─────────────────────────────────────────────────┘

分步说明

1. 分析代码结构

Joern 把源代码解析成代码属性图（CPG）——有哪些函数、谁调用谁、文件包含什么。这个骨架是决策的锚定目标。

2. 提取决策

analyze（核心模块）逐函数读代码，从图谱查询调用者/被调用者，调 LLM 提取结构化决策。通过模板系统高度可配置。

Session 摄入 读取 Claude Code 对话记录，把对话分段，从每个段落中提取具体决策，包含理由、被否决的方案和代码锚点。

3. 决策存入图谱

每条决策成为 DecisionContext 节点，通过五个槽位索引：代码锚点、关键词、决策关联、元数据、语义向量。

4. Coding AI 查询图谱

你（或队友）编辑代码时，coding AI 通过 MCP 查询 Context Chain。从当前代码位置出发遍历图谱，匹配关键词，沿决策链扩散找到相关决策。

5. 图谱持续优化

精炼管线晚上自动跑：提升锚点精度、归一化关键词、检测过期决策、连接跨 session 的相关决策、标记覆盖空白。

跟其他方案的区别

传统文档 写一次就过时。Context Chain 持续捕获决策。

代码注释 解释代码做了什么。Context Chain 记录代码为什么这样写、否决了什么、决策之间的关系。

其他 context 工具 在 repo 级别捕获知识。Context Chain 锚定到具体函数，并自动追踪过期。