Rpg Encoder

rpg-encoder

Give your AI agent a brain for your codebase.

______________________________________________________________________

快速开始

claude mcp add rpg -- npx -y -p rpg-encoder rpg-mcp-server

一个命令。可与Claude Code、Cursor、opencode、Windsurf或任何兼容MCP的代理配合使用。没有Rust工具链，没有克隆，没有构建-- npx 为您的平台下载预构建的二进制文件。

然后打开任何回购并告诉您的代理人：

*“为这个仓库构建和提升RPG”*

你的代理处理一切：索引实体（几秒钟），读取每个函数并添加意图级功能（几分钟），将它们组织成语义层次结构，并提交 .rpg/graph.json 为了你的团队。

对于具有~100+个实体的repos， lifting_status 将告诉您的代理将提升循环委托给子代理或更便宜的模型——特征提取是模式匹配，而不是新颖的推理。如果您的运行时没有子代理机制，请运行 rpg-encoder lift --provider anthropic|openai 从具有API密钥的终端-CLI直接驱动外部LLM，而不涉及代理。CLI完成后，调用 reload_rpg 在您的会话中加载更新的图形。CLI提升了没有功能的实体；重新提升过时的实体（代码更改后存在但过时的功能）是由会话中的MCP流而不是CLI处理的。

一旦举起，尝试：

• *“什么处理身份验证？”* --即使没有命名为“auth”，也能查找代码
• *“显示依赖于数据库连接的所有内容”*
• *“计划更改以将速率限制添加到API终结点”*

______________________________________________________________________

使用RPG之前 grep, cat, find

服务器说明告诉您的代理，对于任何 关于代码结构或行为的问题。这种反射很重要-- grep, cat, ad-hoc文件已经读取了烧灼令牌并错过了语义关系RPG 知道。

退回到 grep, cat，或者仅当查询涉及文本时才读取文件 （字符串搜索、注释、TODO、日志消息）——与结构无关。

______________________________________________________________________

运作原理

1. 解析 --树保姆从15种语言中提取实体（函数、类、方法）和依赖边（导入、调用、继承）。
2. 电梯 -LLM（您的代理，或像Haiku这样的廉价API）读取每个实体并编写语言对象功能： *“验证JWT令牌”*, *“将配置序列化到磁盘”*.
3. 组织 --特征聚类为3级语义层次结构（Area→ 类别→ 子类别） *代码的作用是什么*，而不是文件树。
4. 理解 — semantic_snapshot 将整个图压缩为~25K个标记。你的法学硕士读过一次 *知道回购*.

语义快照

LLM调用 semantic_snapshot 一次并收到：

• 层级 --每个功能区都有聚合特征
• 实体 --按区域分组的每个函数、类、方法及其语义特征
• 依赖关系骨架 --带限定名的压缩调用图
• 热点地区 --前10个连接最紧密的实体（架构骨干）

约25K代币覆盖约1000个实体。这是1M上下文窗口的2-3%——LLM在每个会话开始时已经知道你的仓库。

自维护图

每当您的工作树发生更改时——无论是已提交、暂存还是未暂存——MCP服务器都会在响应下一个查询之前自动重新同步。变更集哈希 (path, size, mtime) 意味着重复保存同一文件会触发一次同步，而空闲查询则不会触发任何同步。还原也会被检测到：如果以前脏的文件返回到其HEAD状态，则图形将被还原。

两种提升方式

auto_lift 直接调用廉价的外部LLM——您的编码订阅永远不会涉及提升工作 api_key_env 从环境变量中解析键，使其永远不会出现在工具调用记录中。

______________________________________________________________________

建筑

七个Rust机箱，一个MCP服务器二进制文件，一个CLI二进制文件：

______________________________________________________________________

MCP工具（27）

Build & Maintain (4 tools)

Navigate & Search (5 tools)

Plan & Analyze (7 tools)

Semantic Lifting (11 tools)

______________________________________________________________________

支持的语言

Tree sitter提供15种语言：

______________________________________________________________________

安装

MCP服务器（推荐）

# Claude Code
claude mcp add rpg -- npx -y -p rpg-encoder rpg-mcp-server

# Cursor — add to ~/.cursor/mcp.json
{
  "mcpServers": {
    "rpg": {
      "command": "npx",
      "args": ["-y", "-p", "rpg-encoder", "rpg-mcp-server"]
    }
  }
}

服务器会自动检测当前工作目录中的项目根目录，不需要路径参数。

CLI

npm install -g rpg-encoder

# Build a graph
rpg-encoder build

# Query
rpg-encoder search "parse entities from source code"
rpg-encoder fetch "src/parser.rs:extract_entities"
rpg-encoder explore "src/parser.rs:extract_entities" --direction both --depth 2
rpg-encoder info

# Autonomous lifting via API
rpg-encoder lift --provider anthropic --dry-run  # estimate cost
rpg-encoder lift --provider anthropic           # lift with Haiku (~$0.02/100 entities)

# Incremental update
rpg-encoder update

# Pre-commit hook (auto-updates graph on commit)
rpg-encoder hook install

Build from source

git clone https://github.com/userFRM/rpg-encoder.git
cd rpg-encoder && cargo build --release

然后将MCP配置指向 target/release/rpg-mcp-server.

______________________________________________________________________

文档

• RPG如何比较 --与GitNexus、Serena、Repomix等进行诚实的比较
• 纸张保真度 --算法与研究论文的算法比较
• 用例 --RPG功能的实际示例
• 更新日志 --发布历史记录

______________________________________________________________________

灵感与参考

rpg编码器基于rpg编码器研究论文的理论框架构建，其原始扩展灵感来自代码智能领域的工具：

• RPG编码器纸 （Luo等，2026，微软研究院）——语义提升模型、三级层次结构构建、增量进化算法、形式图模型 G = (V_H ∪ V_L, E_dep ∪ E_feature).
• GitNexus --预先计算的关系智能、爆炸半径分析、克劳德代码挂钩。表明代码图工具必须是不可见的，才是必不可少的。
• 塞雷娜 --通过LSP实现符号级精度。证明了实时代码感知比批处理分析更重要。
• 香椿 --面向令牌的对象表示法，用于LLM优化输出。

这是一个独立的实现。所有代码都是MIT许可下的原创作品。不隶属于微软或不受微软认可。

______________________________________________________________________

许可证

麻省理工学院