Lance Context

Glancey

这个项目已经日落了。 Claude底层模型的改进使得Glancey提供的语义代码搜索功能不再必要。Claude Code现在能够很好地处理代码库理解，因此外部索引层几乎没有增加任何价值。该软件包将继续在npm上供现有用户使用，但不计划进一步开发或维护。感谢所有尝试过的人！

一个MCP插件，为Claude code和其他AI编码代理添加语义代码搜索，为它们提供整个代码库的深层上下文。

特性

• 语义代码搜索：自然语言查询在整个代码库中定位相关代码
• 代币节省：通过仅返回相关代码块，大大减少了上下文使用
• 多个嵌入后端：谷歌双子座（免费）或Ollama（本地）
• LanceDB矢量存储：通过混合BM25+密集匹配实现快速高效的矢量搜索
• MCP兼容：适用于Claude Code、Cursor和其他MCP兼容工具
• Web仪表板：实时监控索引状态、令牌节省和使用统计数据
• 珠子集成：如果您的项目使用 珠子

安装

快速安装（推荐）

将Glancey添加到Claude代码中：

claude mcp add --scope user --transport stdio glancey -- npx -y glancey

重新启动Claude Code以开始使用语义搜索。

全局安装（替代）

为了更快的启动（每次运行时不检查npm）：

npm install -g glancey

这会自动将Glancey注册到Claude Code。手动更新 npm update -g glancey.

手动注册

如果自动注册不起作用，请手动添加到克劳德代码中：

claude mcp add --scope user --transport stdio glancey -- npx -y glancey@latest

验证安装

在Claude Code中，运行 /mcp 在MCP服务器列表中查看Glancey。

初始化项目（推荐）

安装Glancey后，运行 /init_project 在Claude Code中设置您的项目：

/init_project

这将创建：

• CLAUDE.md -AI代理如何使用Glancey工具的说明
• 提交后挂钩 -当提交绕过 commit 工具
• 斜杠命令 - /glancey, /dashboard, /agents，以及 /init-project

钩子安装在 .husky/ 如果你使用赫斯基，否则 .git/hooks/.

提示： 如果您的代理没有使用Glancey工具（转而使用grep/find），请运行 /glancey 提醒一下。启动新代理（子代理、工作树等）时，告诉他们运行 /glancey 在开始任务之前，让他们知道使用Glancey的语义搜索而不是手动探索。

斜杠命令

Glancey将以下斜线命令安装到 .claude/commands/ 用于克劳德代码：

项目级安装

对于特定于项目的MCP配置，添加 .mcp.json 到您的项目根目录：

{
  "mcpServers": {
    "glancey": {
      "command": "npx",
      "args": ["-y", "glancey@latest"]
    }
  }
}

项目配置

创建一个 .glancey.json 项目根目录中的文件，用于自定义索引行为。所有选项都是可选的——Glancey使用合理的默认值即可开箱即用。

最小配置

对于大多数项目，您只需指定要包含的内容：

{
  "patterns": ["**/*.ts", "**/*.js"],
  "instructions": "This is a TypeScript monorepo. Use semantic search to find relevant utilities."
}

完整配置示例

{
  "patterns": ["**/*.ts", "**/*.tsx", "**/*.js", "**/*.jsx"],
  "excludePatterns": ["**/node_modules/**", "**/dist/**", "**/*.test.ts"],
  "embedding": {
    "backend": "gemini"
  },
  "chunking": {
    "maxLines": 100,
    "overlap": 20
  },
  "search": {
    "semanticWeight": 0.7,
    "keywordWeight": 0.3
  },
  "dashboard": {
    "enabled": true,
    "port": 24300,
    "openBrowser": true
  },
  "instructions": "Project-specific instructions for AI agents working with this codebase."
}

配置选项参考

默认行为

没有a .glancey.json 文件，Glancey将：

• 索引常用源代码文件（TypeScript、JavaScript、Python、Go、Rust、Java、Ruby、PHP、C/C++、C#、Swift、Kotlin）
• 排除构建工件、依赖关系和生成的文件
• 如果满足以下条件，请使用Gemini嵌入 GEMINI_API_KEY 已设置，否则使用当地Olama qwen3-embedding:0.6b
• 将代码拆分为100行块，重叠20行
• 使用70%语义/30%关键字权重的混合搜索
• 在端口24300上启动仪表板

环境变量

设置这些环境变量以配置嵌入后端：

后端选择优先级：

1. 如果 embedding.backend 在配置中设置，使用该后端
2. 如果 GEMINI_API_KEY 已设置，请使用Gemini
3. 回退到Ollama（必须在当地运行）

Glancey如何节省代币

AI编码代理通常需要读取整个文件来理解你的代码库，这会消耗大量的上下文令牌。Glancey通过以下方式大幅减少了代币使用：

代币储蓄仪表板

web仪表板显示实时令牌节省统计数据：

• 预计节省的代币：使用语义搜索避免的令牌总数
• 效率：保存的潜在代币百分比
• 文件无法读取：由于目标搜索而跳过的文件计数
• 跟踪操作：有助于节省的搜索操作数量

运作原理

1. 分块：你的代码库被拆分为语义块（函数、类等）
2. 嵌入：每个块都转换为向量嵌入
3. 搜索：查询只查找最相关的块，而不是整个文件
4. 返回：只有匹配的块被发送到AI，保存上下文令牌

建筑

┌─────────────────────────────────────────────────────────────┐
│                    MCP Server (index.ts)                    │
│         Exposes tools: index_codebase, search_code          │
└─────────────────┬───────────────────────────────────────────┘
                  │
┌─────────────────▼───────────────────────────────────────────┐
│                  CodeIndexer (indexer.ts)                   │
│  - AST-aware chunking for supported languages               │
│  - Incremental indexing (only re-index changed files)       │
│  - Hybrid search (semantic + keyword scoring)               │
└─────────────────┬───────────────────────────────────────────┘
                  │
┌─────────────────▼───────────────────────────────────────────┐
│              Embedding Backends (embeddings/)               │
│            Gemini  │  Ollama (local)                        │
└─────────────────┬───────────────────────────────────────────┘
                  │
┌─────────────────▼───────────────────────────────────────────┐
│                   LanceDB Vector Store                      │
│           Stored in .glancey/ directory               │
└─────────────────────────────────────────────────────────────┘

嵌入后端设置

Glancey会自动选择最佳可用后端（按优先级顺序）：

1. 谷歌双子星 （如果 GEMINI_API_KEY 已设置，可用免费等级）

   export GEMINI_API_KEY=AIza...

1. 奥拉玛 （推荐给大多数用户-免费、本地、无费率限制）

Ollama设置（推荐）

Ollama提供免费的本地嵌入，没有API速率限制。非常适合索引大型代码库。

要求： Ollama 0.2.0或更新版本（用于批量嵌入API）

1. 安装Ollama 从 ollama.com

1. 验证版本 （必须为0.2.0+）：

   ollama --version

1. 拉动嵌入模型：

   ollama pull qwen3-embedding:0.6b

1. 验证它是否正常工作：

   ollama run qwen3-embedding:0.6b "test"

就是这样！当未设置Gemini API密钥时，Glancey将自动使用Ollama。

模型选项

要使用其他型号，请添加到您的 .glancey.json:

{
  "embedding": {
    "backend": "ollama",
    "model": "qwen3-embedding:4b"
  }
}

看 项目配置 对于所有配置选项，包括如何指定后端。

用法

安装后，您将可以访问这些工具：

index_codebase

索引您的代码库以进行语义搜索：

> index_codebase
Indexed 150 files, created 800 chunks.

使用自定义图案：

> index_codebase(patterns: ["**/*.py"], excludePatterns: ["**/tests/**"])

search_code

使用自然语言搜索：

> search_code(query: "authentication middleware")

## Result 1: src/middleware/auth.ts:1-50
...

get_index_status

检查索引状态：

> get_index_status
{
  "indexed": true,
  "fileCount": 150,
  "chunkCount": 800,
  "lastUpdated": "2024-12-27T12:00:00Z"
}

clear_index

清除索引：

> clear_index
Index cleared.

get_project_instructions

从配置中获取特定于项目的说明：

> get_project_instructions
Use semantic search for exploring this codebase. Always run tests before committing.

仪表盘

Glancey包括一个用于监控索引状态和使用情况的web仪表板。

访问仪表板

当MCP服务器运行时，仪表板会自动启动，可在以下位置访问：

http://127.0.0.1:24300

浏览器在启动时自动打开（可配置）。

仪表板功能

• 索引状态：文件索引、块创建、上次更新时间
• 嵌入后端：当前后端和索引路径
• 配置：项目路径、块设置、搜索权重
• 文件模式：包括/排除正在使用的模式
• 命令用法：MCP工具使用的实时图表（使用 charts.css)
• 珠子集成：问题跟踪器状态和就绪任务（如果配置了珠子）

仪表板配置

通过配置仪表板 dashboard 选项在 .glancey.json。参见 配置选项参考 了解详情。

运作原理

1. 索引：代码文件被分块为~100个重叠的线段
2. 嵌入：使用您选择的后端将每个块转换为向量
3. 存储：矢量存储在LanceDB中(.glancey/ 目录）
4. 搜索：嵌入自然语言查询，并将其与存储的向量进行匹配

支持的语言

TypeScript、JavaScript、Python、Go、Rust、Java、Ruby、PHP、C/C++、C#、Swift、Kotlin等。

故障排除

“没有可用的嵌入后端”

此错误意味着没有设置API密钥，Ollama无法运行/访问。

解决：

1. 设置Ollama（推荐）：

   # Install from https://ollama.com, then:
   ollama pull qwen3-embedding:0.6b

1. 或者设置Gemini API密钥： export GEMINI_API_KEY=AIza...

“嵌入维度不匹配”

当在嵌入后端之间切换时（例如，从Gemini到Ollama）会发生这种情况。每个后端产生不同的向量维度。

解决方案： 强制完全重新索引：

> index_codebase(forceReindex: true)

索引速度慢

大型代码库最初可能需要时间进行索引。

提示：

1. 使用 excludePatterns 跳过不必要的目录（测试、生成的代码）
2. Ollama在当地使用更快，但需要更多资源
3. 后续运行使用增量索引（仅更改文件）

指数腐败

如果您遇到奇怪的搜索结果或错误：

解决方案： 清除并重建索引：

> clear_index
> index_codebase

或手动删除 .glancey/ 目录和重新索引。

许可证

麻省理工学院-参见 许可证 了解详情。

贡献

欢迎投稿！请阅读我们的 贡献指南 在提交PR之前。

相关项目

• 克劳德语境 -使用Zilliz Cloud的类似工具
• 塞雷娜 -符号级代码导航

积分

内置：

• LanceDB -矢量数据库
• MCP-SDK -模型上下文协议
• 谷歌AI工作室 -Gemini嵌入API

灵感来源：