AI 分析
痛点：AI 编码 agent 面对大型陌生代码库时只能依靠 grep 和逐个读文件，缺少结构化的调用关系、引用和依赖图，既耗费大量 token 又难以准确理解系统全貌。
目标用户：重度使用 Claude Code、Cursor、Gemini 等 AI 编码 agent 的开发者与小团队，尤其是维护 10 万行以上多语言代码库的人
证据：investigating a large codebase with an AI agent often means throwing search results at the model, reading files one by one, and hoping it manages to reconstruct how everything fits together. I wanted to give agents something better than grep.
变现：开源核心索引器用于引流，团队版按席位订阅，提供共享索引、云端增量索引、多仓库联合查询和企业私有化部署；也可做托管 MCP 服务按调用量或索引容量收费
MVP：用 tree-sitter 做 AST 解析并存入 SQLite FTS5，只实现函数与类级别的符号表、调用/引用关系；通过 MCP server 暴露 3 个工具（search_symbol、find_references、get_file_context），先支持 Python 和 TypeScript，一周出索引器、一周接 MCP 并做 demo
竞品：Sourcegraph Cody、Cursor 内置 codebase indexing、Aider repo map、Serena MCP code toolkit、Claude Code 内置文件搜索
摘要：作者发布 Codesearch：本地优先的 AST 结构索引工具，结合语义向量与 SQLite 全文检索，通过 MCP server 暴露给编码 agent。实测索引 6538 个文件生成 72000+ 条结构关系，增量重解析 8 个文件耗时 58 秒。帖子属于自发布，未提及任何付费、定价或收入数据，但「让 agent 结构化理解代码库」这一方向正被大量 agent 工具验证。