Travsr

如今，每一款 AI 编程工具要么使用 grep（精确字符串匹配），要么使用向量 RAG（近似相似度匹配）。但无论哪种方式，它们都无法理解你代码中的调用图、类型或导入关系。如果你询问 charge()，它会把代码库里所有叫 "charge" 的内容都翻出来，而且如果目标函数被重命名了，还可能漏掉你真正想找的那个。

这就是我们打造 Travsr 的原因！

Travsr 是你代码的一张确定性图谱，通过 MCP（Model Context Protocol，模型上下文协议）暴露给你的 AI agent，使它们能够更准确、更精确地推理你的代码。

它的工作原理简述如下：

快速解析：tree-sitter 对每个文件只解析一次，无需重建完整的 AST。

接着，我们会进行一轮更深入的分析，将所有重要的语义（调用目标、类型、数据流）解析并存入一个快速的本地 sqlite 数据库（.travsr/graph.db）。

最后，当 AI agent 想了解某段代码时，我们可以遍历整张图谱，用 PageRank 对节点打分，从而精准返回用户回答问题所需的代码，并完美切分为模型所需的 token。

我们还提供了一个 git hook，让你的索引始终保持最新，只在文件发生变化时重新构建，因此足够快，可以在每次提交时使用。