一、multica-ai/andrej-karpathy-skills｜Karpathy 规范：约束 AI 编码行为

基础信息

• 项目地址：https://github.com/multica-ai/andrej-karpathy-skills
• 适配工具：Claude Code、Cursor 双平台
• 协议：MIT 开源
• 起源：基于 Andrej Karpathy 长期使用 AI 编码总结的 LLM 固有缺陷，提炼为 4 条可落地强制规范
• 定位：无复杂程序，仅一套提示词规范文件（CLAUDE.md/ Cursor rules），低成本修正 AI 写代码坏习惯

LLM 编码原生四大问题（项目解决目标）

1. 擅作假设，需求模糊不主动确认，直接编码；
2. 过度工程化，简单逻辑堆砌多层抽象、预留无用扩展；
3. 随意修改无关代码，顺手重构注释、格式、未关联逻辑；
4. 无验证逻辑，写完无法判断是否满足需求，缺少测试闭环。

四大核心编码原则

1. Think Before Coding｜先思考，再动手编码

禁止 AI 在信息模糊时直接实现：

• 所有不确定需求、歧义点必须主动提问澄清，不自行脑补；
• 存在多种实现方案时，主动列出方案对比取舍；
• 发现需求不合理、存在更简单路径时主动提出优化建议。

2. Simplicity First｜极简优先，拒绝过度设计

核心准则：只实现需求内功能，不预判未来扩展：

• 无需求不新增抽象、通用配置、兼容分支；
• 不存在的异常场景不冗余处理；
• 能 50 行完成绝不写 200 行，完工后主动精简臃肿代码；
• 判断标准：资深工程师回看不会觉得过度复杂。

3. Surgical Changes｜外科手术式精准修改

严格限制改动范围，杜绝 “顺手优化”：

• 仅修改需求直接关联代码，不改动相邻函数、注释、格式；
• 原有代码、遗留死代码不擅自删除，仅做标注提醒；
• 仅清理本次改动产生的无用导入、变量；
• 校验标准：每一行修改都能追溯到用户原始需求。

4. Goal-Driven Execution｜目标驱动，验证闭环

把模糊指令转化为可验证任务：

• 修复 Bug：先编写复现测试，再修复代码；
• 新增功能：先定义输入输出校验用例，再实现逻辑；
• 重构代码：保证重构前后测试全部通过；
• 多步骤任务输出分步计划，每一步附带校验标准，循环验证直到满足目标。

安装使用两种方式

1. Claude Code

# 全局插件安装
/plugin marketplace add forrestchang/andrej-karpathy-skills
/plugin install andrej-karpathy-skills

# 单项目引入CLAUDE.md
curl -o CLAUDE.md https://raw.githubusercontent.com/multica-ai/andrej-karpathy-skills/main/CLAUDE.md

1. Cursor 编辑器 仓库内置.cursor/rules规则文件，放入项目根目录自动生效，参考 CURSOR.md 配置全局规则。

使用效果

• 代码 Diff 干净，无无关改动，Code Review 成本大幅降低；
• AI 不会上来就写千行臃肿架构，优先极简实现；
• 模糊需求会主动提问，减少返工；
• 所有改动附带验证逻辑，Bug 产出显著下降。

二、DeusData/codebase-memory-mcp｜高性能代码智能 MCP 服务器

基础信息

• 项目地址：https://github.com/DeusData/codebase-memory-mcp
• 开发语言：C（88.2%），零运行时依赖，单静态二进制分发
• 协议：MIT 开源
• 定位：面向所有 MCP 兼容 AI 编码工具的代码知识库引擎，把全项目解析为持久化代码知识图谱

核心解决痛点

传统 AI 探索代码逻辑，只能反复读取文件+全文检索，存在致命缺陷：

• 百万行级仓库索引耗时极久，一次查询消耗数十万 Token；
• 无法识别函数调用、类继承、接口路由等结构化关联，缺少全局视图；
• 每次重启 AI 都要重新读取全部文件，没有长期记忆。

核心亮点功能

1. 极致索引与查询性能

• 超大库处理：2800 万行 Linux 内核完整索引仅需 3 分钟，普通项目毫秒完成全量索引；
• 查询速度：图结构查询亚毫秒级响应，相比传统文件检索Token 减少 99.2%（120 倍节省）；
• 内存优先流水线：LZ4 内存压缩、内存 SQLite，索引完成后自动释放内存，不长期占用硬件资源。

2. 全语言深度解析（158 种编程语言）

底层基于 Tree-Sitter 语法树 + 自研 Hybrid LSP 混合语义解析：

• 基础层：158 种语言内置语法解析器，开箱即用，无需额外安装；
• 增强层：9 门主流语言（Python/TS/Go/C++/Java/Rust 等）支持完整类型推导、导入解析、泛型、继承识别，精准还原 IDE 级跳转逻辑；
• 额外支持 K8s、Docker、Protobuf 等 IaC / 基础设施文件解析，识别服务路由、跨服务调用。

3. 完整代码知识图谱体系

将代码抽象为标准化图结构，提供 14 个 MCP 工具完成全维度分析：

• 节点：项目、包、文件、类、函数、接口、HTTP 路由、K8s 资源；
• 关联边：CALLS 调用、IMPORTS 导入、HTTP_CALLS 跨服务接口、EMITS 事件、INHERITS 继承等数十种关系；
• 内置能力：调用链追踪、死代码扫描、架构全景分析、Git 变更影响评估、Cypher 图查询、语义向量检索（内置 nomic-embed-code 本地向量模型，无需 API Key）；
• 跨仓库支持：多仓库建立关联图谱，实现微服务全局架构分析。

4. 开箱即用，全平台全工具兼容

• 分发：macOS (arm/amd64)、Linux (arm/amd64)、Windows 单静态二进制，无 Docker、无环境依赖；
• 一键安装脚本：curl/powershell 一行命令自动部署，自动识别 11 款主流 AI 编码工具（Claude Code、Cursor、Zed、Aider、VS Code 等）并自动写入 MCP 配置；
• 可视化 UI：带 UI 版本可启动本地 3D 图谱面板（localhost:9749），直观查看项目代码依赖网络；
• 自动更新 / 自动增量索引：后台监听 Git 文件变更，增量刷新图谱，无需全量重建；团队可提交压缩图谱文件到仓库，队友一键复用，跳过重复索引。

5. 安全保障

• 所有代码 100% 本地处理，代码不会上传外网；
• 发布包全量病毒扫描（70 + 杀毒引擎零风险）、Sigstore 签名、SLSA3 级构建溯源、SHA256 校验；
• 完整审计源码，提供安全披露通道。

快速上手示例

# Mac/Linux一键安装（带可视化面板）
curl -fsSL https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.sh | bash -s -- --ui

# Windows PowerShell
Invoke-WebRequest -Uri https://raw.githubusercontent.com/DeusData/codebase-memory-mcp/main/install.ps1 -OutFile install.ps1
.\install.ps1

# 启动自动索引
codebase-memory-mcp config set auto_index true

三、 colbymchenry/codegraph

🏷️ 项目名称： colbymchenry/codegraph
🔗 项目地址： https://github.com/colbymchenry/codegraph
📋 项目介绍： Pre-indexed code knowledge graph for Claude Code, Codex, Gemini, Cursor, OpenCode, AntiGravity, Kiro, and Hermes Agent — fewer tokens, fewer tool calls, 100% local
🏷️ 项目标签： 【🤖AI、📘TypeScript】
💡 推荐语： CodeGraph为Claude、Cursor等主流AI编程助手提供预索引代码知识图谱，大幅减少token消耗与工具调用次数，且100%本地运行保障代码隐私，是AI开发者降本增效的必备神器。