去年有个团队用Claude重构支付模块，测试全绿，上线三小时后被紧急回滚。问题出在三个看似无关的调用链——Claude改了核心函数，却没发现还有四处地方在用它。这不是智力问题，是导航问题。
AI写代码的瓶颈从来不在"会不会写"，而在"知不知道自己在哪"。就像让一个记忆力超群的人进迷宫，他能背下所有转弯，但手里没地图。
90%的AI_INDEX都是电话簿，不是地图
现在市面上的代码索引工具，大多长这样：
auth → src/auth/
api → src/api/
db → src/models/
Claude能靠这个找到文件位置，但改完auth里的verifyToken函数后，它完全不知道api层的requireAuth会受影响。这是目录列表，不是结构图。
真正有用的索引得是图结构——节点是业务域，边是真实的调用关系。每个节点写明入口文件、关键函数、测试位置，以及最关键的"Connects to"：它连向谁，被谁连。
比如Auth节点的边：通过requireAuth()连到API层，通过UserModel.findById()连到DB层。API层又通过POST /api/evaluate连到规则引擎。这才是能被算法遍历的网络。
没有边，你只能查电话簿；有了边，BFS能帮你算影响范围。
grep烧光token，LSP直接问编译器
遍历图需要精确查找。传统做法用grep字符串匹配，搜一个函数名出来40个结果，15个是噪音，token预算先烧掉一半。
更好的办法是LSP（语言服务器协议）。它不猜字符串，直接问语言的类型检查器：这个符号在哪定义的？谁引用了它？语义级查询，同样的问题返回6个精确结果。
生成器的工作流程很直接：扫描import语句、目录结构、导出符号，输出AI_INDEX.md。所有"Connects to"的边都来自真实代码，不是猜的。
整个过程80%是确定性脚本，零token消耗；剩下20%让Claude做精炼，比如给节点起更准确的业务名。
新项目跑一遍，结构变了再重跑。不需要每次提问都重新分析。
关键机制：逼Claude先指认来源
这套系统真正值钱的地方，是强制Claude在发表任何结论前，先说出它读了哪个文件、哪行代码。
以前的状态是：Claude给出一个自信满满的解释，你信了，一小时后发现是编的。现在的状态是：它要么指出来源（准确），要么说"不确定"（你需要深挖）。中间地带被消除了。
/investigate-module命令让它读特定节点，/trace-impact命令做BFS遍历——改一个函数前，先算出所有受影响的路径。
把bug或需求丢进这张图，系统能在你写第一行代码前，就标出所有相关节点和边。
有个细节很有意思：团队发现Claude在精炼阶段特别喜欢给节点起抽象名字，比如把"用户登录"改成"身份认证域"。他们最后加了条规则——节点名必须能在代码里搜到对应关键词，防止过度抽象。
这套方法现在最大的限制是什么？边缘项目的代码库往往连稳定的LSP配置都没有，第一步就得先折腾环境。
热门跟贴