鐵人檔案
本系列將從零打造一個以單一程式碼庫為範圍的唯讀 Codebase Intelligence Agent。先建立檔案與 symbol 索引，再結合 AST 結構化切分、關鍵字與語意檢索，以及 LLM 工具調用，讓使用者能以自然語言查詢架構、定位函式，並取得附檔案與行號的回答。後續加入 import 關係與 Git diff 分析，產出候選影響範圍、變更摘要與測試建議。最後完成可展示的 CLI 或簡易 Web 介面，並以實際程式碼庫案例驗收成果。
昨天（Day 10）我們把 AST 提取出的結構持久化到了 SQLite，並保留了同名 Symbol 的真實存在。 今天我們要利用 imports 資料表，回答...
到昨天為止，系統已經能精確查詢符號定義與模組引用關係。但這些查詢都有一個共同前提：使用者必須事先知道精準的名稱（例如 rag_common 或 COLLECTI...
昨天我們成功把 23 個語法 Chunks 轉換成 1024 維向量並存入 SQLite。 但如果你在程式碼庫裡只押注向量檢索，很快會踢到鐵板： 當使用者搜...
昨天我們利用 RRF 演算法成功將關鍵字（Lexical）與向量（Semantic）融合為 Hybrid Search。 但如果你直接把 Hybrid Sear...
在前兩週，我們依序完成了文字搜尋、AST 語法索引、直接 import 追蹤、向量嵌入以及基於 RRF 的 Hybrid Search。 但如果你問一個工程問題...
昨天我們把考題規格化，建立了機器可讀的評估資料集 data/eval_cases.json。 有了題目和標準答案後，下一個問題是：怎麼用程式量化「搜尋得好不好」...
在 Day 15 與 Day 16 中，我們準備好了題庫 data/eval_cases.json，也寫好了 Hit@k、MRR 與 Precision@k 的...
