✨ CopX - 你的代码项目专家 ✨

English

🚀 Code Project Expert (CopX) 是一个旨在对任意代码库进行问答的系统

• 快速：基于声明的上下文检索，无需 embedding 模型。
• 准确：语义搜索和精确的代码结构分析，确保答案的准确性。
• 灵活：支持多种编程语言，可轻松扩展。
• 高效：增量更新和 Git 支持，确保处理大型代码库时的效率。

核心功能

• 基于声明的上下文: 通过解析源文件并构建符号（函数、类、变量等）的“声明地图”来理解代码结构。这允许精确地、不基于 embedding 地检索相关代码上下文。
• 增量更新: 利用隐藏的 Git 仓库跟踪文件更改，并增量更新声明地图，确保大型代码库的效率。
• 混合检索 (可选): 可以集成语义搜索（例如，使用 LanceDB 和 embedding 模型）用于那些受益于语义理解的查询，作为主要基于声明检索的补充。
• LLM 驱动的问答: 利用大型语言模型 (LLM) 理解问题，并根据检索到的上下文形成答案。
• 多语言支持: 通过 Tree-sitter 配置，可以轻松扩展以支持各种编程语言。目前开箱即用支持 Python、Golang、TypeScript 和 JavaScript。
• 灵活部署: 可以作为 FastAPI 服务或 MCP (模型上下文协议) 服务器运行。

CopX 效果展示：理解 mem0 项目

为了展示 CopX 在理解复杂代码项目方面的能力，我们进行了一个对比实验。我们选择了 mem0 项目作为分析对象。

1. 标准 Cline (Plan 模式)：直接向 Cline 提问。
2. 集成 CopX 的 Cline (通过 MCP)：Cline 利用 CopX MCP 工具对 mem0 进行分析。

以下是结果对比：

特性	标准 Cline (Plan 模式)	CopX (通过 MCP)
提示词	How does this project organize memories?	How does this project organize memories?
模型	gemini-2.5-pro	gemini-2.5-pro
回答
完整回答	docs/ask_cline_mem0.md	docs/ask_copx_mem0.md

工作流程图

以下是 agent 工作流程的简化图示：

graph TD
    A[用户问题] --> B{CopX Agent};

    subgraph "CopX 核心处理流程"
        B --> D[1 更新/加载声明地图];
        D --> E["符号提取器 (Tree-sitter) + Git 管理器"];
        E --> F[(声明地图 <br/> .pkl + .git 存储)];
        
        D --> G["2 代码检索 <br/> 工具: <br/> - view_file_declaration_map (查看文件声明地图) <br/> - view_file_content (查看文件内容) <br/> - grep_declaration_map (搜索声明地图) <br/> - grep_search (文本内容搜索) <br/> - semantic_search_declaration_map (语义搜索声明地图)"];
        G -- 使用 --> F;
        G -- 可选: 语义搜索 --> H[(LanceDB)];
        
        G --> I["3 构建答案 (LLM)"];
    end
    
    I --> J[返回答案];
    J --> A;

Loading

使用指南

CopX 可以通过两种模式运行：作为 MCP 服务器或作为 FastAPI 服务。

1. MCP (模型上下文协议) 服务器

MCP 服务器将 CopX 的功能公开为一个工具，可供兼容 MCP 的客户端（例如 AI IDE）使用。

先决条件:

• 确保已安装 uv。您可以按照 https://github.com/astral-sh/uv 上的说明进行安装。

运行方式: 在您的终端中执行以下命令：

uvx --from copx copx-mcp

这将启动 MCP 服务器，并注册一个名为 "Ask Expert" 的工具。

推荐的 AI IDE 配置: 您可以将 CopX MCP 服务器集成到您的 AI IDE (例如支持 MCP 的 IDE) 中，使用类似以下的配置：

{
  "copx": {
    "command": "uvx",
    "args": [
      "--from",
      "copx",
      "copx-mcp"
    ],
    "env": {
      "COPX_MODEL": "ollama/devstral", // 例如："openai/gpt-4"
      "COPX_DATA_PATH": "/home/yourname/Documents/Copx", // 例如：持久化路径
      "COPX_API_KEY": "你的API密钥",
      "COPX_BASE_URL": "你的LLM基础URL"
    },
    "disabled": false,
    "autoApprove": [
      "Ask Expert"
    ],
    "timeout": 1800
  }
}

参数说明:

• COPX_MODEL: 指定 CopX 使用的 litellm 风格的模型名称 (例如, "ollama/devstral", "openai/gpt-4")。
• COPX_DATA_PATH: CopX 存储其内部数据的目录，例如项目的声明地图和 Git 快照 (例如, "~/Documents/Copx")。建议使用持久路径。
• COPX_API_KEY: 您选择的 LLM 服务的 API 密钥。
• COPX_BASE_URL: 您的 LLM API 端点的基础 URL。

MCP 工具: Ask Expert

• 描述: 获取关于项目代码库的专家答案。
• 参数:
  • project_path (字符串, 必需): 项目代码库的绝对路径。
  • question (字符串, 必需): 关于代码库的问题。

2. FastAPI 服务

FastAPI 服务提供了一个用于查询的 HTTP 端点。

配置: 查询端点直接在请求体中接受 LLM 配置参数。

运行方式: 使用 Uvicorn (或任何 ASGI 服务器):

uvicorn copx.copx_fastapi:app --reload --host 0.0.0.0 --port 8000

API 端点: POST /query

请求体 (application/json):

{
  "project_path": "/path/to/your/codebase",
  "question": "用户认证是如何工作的？",
  "model": "openai/gpt-4", // litellm 格式                
  "base_url": "https://api.example.com/v1", 
  "api_key": "your_llm_api_key",    
  "git_path": "~/.copx_data"        
}

• project_path: 您要查询的代码库的绝对路径。
• question: 您关于代码库的问题。
• model, base_url, api_key: LLM 提供商的详细信息。
• git_path: CopX 将存储其缓存（声明地图和 git 快照）的目录。建议使用持久路径，例如 ~/.copx_data 或项目中的 ./.copx_data。如果目录不存在，CopX 将创建它。

工作原理

CopX 通过一个多阶段流程处理用户关于代码库的查询：

1. 声明地图更新/加载:

   • 当收到项目的查询时，CopX 首先确保其声明地图是最新的。
   • 它使用 ProjectGitManager 跟踪自上次运行以来的文件更改。
   • SymbolExtractor（由 Tree-sitter驱动）根据特定语言的规则解析修改过的或新的文件。
   • 提取的符号（函数、类、变量及其位置）存储在 declaration_map 中。此地图作为 .pkl 文件持久化，并且文件版本在指定数据目录内的隐藏 .git 仓库中进行跟踪。

2. 代码检索:

   • CodeRetriever 节点使用 declaration_map 根据符号名称和代码结构查找与用户查询直接相关的代码段。
   • 可选地，对于更广泛或更抽象的查询，它可以利用（如果已配置）对代码的 LanceDB 索引（例如函数体）进行语义搜索。

3. 答案构建:

   • AnswerFormulator 节点获取检索到的上下文（来自声明地图和/或语义搜索）和原始问题。
   • 然后它与 LLM 交互以生成全面的答案。

支持的语言

CopX 使用 Tree-sitter 进行代码解析，并通过 src/copx/symbal_extractor/configs/ 目录下的配置文件支持各种语言。 目前支持：

• Python (.py)
• Golang (.go)
• JavaScript (.js, .jsx)
• TypeScript (.ts, .tsx)

添加对新语言的支持

要添加对新编程语言的支持：

1. 安装 Tree-sitter 语法库: 找到该语言的 Tree-sitter 语法的 Python 绑定 (例如, tree-sitter-ruby) 并安装它：

   pip install tree-sitter-newlanguage

2. 创建配置文件: 在 src/copx/symbal_extractor/configs/ 目录下，创建一个新的 JSON 文件 (例如, newlanguage.json)。 此文件需要指定：

   • tree_sitter_module: 已安装的该语言的 Python 模块名称 (例如, tree_sitter_newlanguage)。
   • language_accessor_name (可选): 如果模块中的语言对象不是通过 module.language 访问的，请指定正确的访问器 (例如, get_language)。
   • extraction_rules: 一个规则数组，定义哪些 AST 节点类型对应哪些符号（函数、类、变量等）以及如何提取它们的名称。有关示例，请参阅现有的配置文件 (例如, py.json, go.json)。

   示例 newlanguage.json:

   {
     "tree_sitter_module": "tree_sitter_newlanguage",
     "extraction_rules": [
       {
         "node_type": "function_definition",
         "name_field": "name",
         "symbol_type": "Function"
       },
       {
         "node_type": "class_definition",
         "name_field": "name",
         "symbol_type": "Class"
       }
       // ... 更多规则
     ]
   }

安装

1. 克隆仓库:

   git clone <repository_url> # 替换为实际的仓库 URL
   cd copx

2. 安装依赖: 建议使用虚拟环境。

   python -m venv .venv
   source .venv/bin/activate  # Windows 系统: .venv\Scripts\activate
   pip install -r requirements.txt # 或者: uv pip install -r requirements.txt
   # (假设后续会生成 requirements.txt 文件，或列出关键依赖)
   # 关键依赖包括: fastapi, uvicorn, pocketflow, pydantic, tree_sitter, aiofiles, lancedb (可选), 以及各种 tree-sitter 语言绑定。

   您需要为计划支持的语言安装 Tree-sitter 语言绑定，例如:

   pip install tree-sitter-python tree-sitter-go tree-sitter-javascript tree-sitter-typescript