核心用法
Codebase Intelligence 是一款面向开发者的本地代码库分析工具，通过命令行交互实现对项目结构的深度理解。首次使用时，工具会自动扫描指定目录并构建增量索引缓存，后续查询可秒级响应。
工作流程：
1. 索引构建：执行 main.py analyze . 创建 .codebase-intelligence/ 缓存目录，首次耗时取决于项目规模（小项目<1秒，大项目约30秒）
2. 智能问答：通过自然语言查询代码位置、工作流程、依赖关系等，如 "Where is authentication implemented?"
3. 符号搜索：精确查找类、函数、接口定义，支持按类型过滤
4. 依赖分析：正向查看文件依赖，反向追踪被依赖关系，支持深度控制
5. 架构可视化：生成 Mermaid 流程图、组件图，可直接嵌入 Markdown 或 GitHub/GitLab
工具支持 Python、JavaScript/TypeScript、Go、Java 等主流语言，对 Rust、Ruby、PHP 提供基础支持。
显著优点
1. 极致性能：增量缓存机制使大型项目（5000+文件）也能实现秒级响应，仅更新修改过的文件
2. 零外部依赖：纯 Python 标准库实现，无网络请求、无第三方包引入，部署简单安全
3. 多场景覆盖：
- 新项目上手：快速获取项目概览、模块结构、数据流
- 重构决策：精准评估变更影响范围，生成迁移建议
- 代码审查：追踪依赖关系，识别潜在风险
4. 工程友好：支持 Git Hooks 集成、CI/CD 流水线、JSON/Markdown 多格式导出
潜在缺点与局限性
1. 解析精度：当前采用正则解析而非 AST，符号识别存在 5-10% 误差率，复杂语法结构可能识别不全
2. 智能问答深度：基于关键词匹配而非 LLM 语义理解，对模糊问题的回答能力有限，"智能"程度有天花板
3. 语言支持不均衡：C/C++ 为新特性，Rust/Ruby/PHP 仅基础支持，部分语言缺少完整的依赖提取能力
4. 缓存安全风险：使用 pickle 序列化缓存，若缓存文件被恶意篡改可能导致任意代码执行（已在文档中披露）
适合的目标群体
- 新加入团队的开发者：快速理解遗留项目架构，缩短 onboarding 周期
- 技术负责人/架构师：进行重构前的影响面评估，生成架构文档
- 开源贡献者：快速定位代码入口，理解模块边界
- 审计与合规团队：生成项目结构报告，识别技术债务
不适合需要 100% 精确静态分析的场景（如安全审计工具），以及追求自然语言深度交互的用例。
使用风险
1. 性能风险：首次索引大项目时可能占用较多 CPU/内存，建议在非高峰期执行
2. 安全依赖：pickle 缓存机制要求用户信任缓存来源，分析不受信代码库前建议手动清理缓存
3. 版本兼容性：缓存格式可能随版本更新变化，升级后可能需要重建索引
4. 路径动态加载：代码尝试从 ../../c-support/lib 动态加载 C 解析器，需确保模块来源可信
5. 维护状态：作为个人开发者项目（T3 来源），长期维护承诺弱于企业级工具，建议生产环境使用前进行额外审查。