Fabrik-Codek：开发者专属的本地认知架构
核心架构与设计理念
Fabrik-Codek 突破了传统 RAG 工具的浅层文本检索模式，构建了一套模拟人类开发者认知成长的认知架构——将感知、记忆、推理、学习与行动融为一体。其核心采用三层混合检索机制：语义向量搜索（LanceDB）、知识图谱遍历（NetworkX）与全文关键词检索（Meilisearch），通过 Reciprocal Rank Fusion（RRF）算法融合多源结果，实现从"关键词匹配"到"概念关联理解"的跃迁。
系统的独特之处在于数据飞轮设计：通过 fabrik learn process 主动分析本地 Claude Code 会话转录文件，自动提取代码模式、架构决策与调试策略，持续强化个人知识库。这种设计使 AI 助手能渐进式学习开发者的技术偏好与项目上下文，而非每次从零开始。
功能矩阵与使用场景
| 工具 | 核心能力 | 典型场景 |
|:---|:---|:---|
| `fabrik_search` | 语义向量检索 | 查找相似实现模式 |
| `fabrik_graph_search` | 知识图谱关系遍历 | 探索技术栈关联网络 |
| `fabrik_fulltext_search` | BM25 精确匹配 | 定位特定术语或代码片段 |
| `fabrik_ask` | LLM 增强问答 | 结合上下文的编码建议 |
| `fabrik_profile` | 个人技术画像生成 | 自动适配 AI 回复风格 |
fabrik_profile 是差异化亮点——通过分析历史会话生成行为系统提示词，使本地 LLM（Ollama）自动采用用户实际偏好的技术栈、架构风格与工具链，大幅减少重复性上下文铺垫。
显著优势
1. 零数据外流承诺：全程本地运行（localhost:11434），无 API 密钥、无遥测、无云依赖，满足金融、医疗等高敏感场景的合规要求
2. 渐进式知识沉淀：数据飞轮机制让知识库随使用自然增长，越用越贴合个人习惯
3. 开源可审计：MIT 许可证，源码与 PyPI 包可交叉验证
4. 灵活的传输层：默认 stdio 无网络暴露，可选 SSE 模式（默认绑定 127.0.0.1）
局限性与注意事项
- 可选依赖复杂性：Meilisearch 全文检索为可选组件，未启动时回退至向量+图谱双模，但首次配置需额外步骤
- 知识提取质量依赖输入：转录文件可能包含敏感信息，需用户主动审核后再执行
fabrik learn - 模型性能天花板：依赖本地 Ollama 模型（推荐 qwen2.5-coder:7b），复杂推理任务受限于端侧算力
- 索引路径可配置性有限：固定写入
./data/embeddings/与./data/graphdb/，多项目隔离需手动管理 - SSE 模式网络风险：若修改默认绑定地址，需自行配置防火墙规则防止知识库暴露
适合人群
- 隐私优先开发者：拒绝代码上云的独立开发者、安全研究人员
- 长期项目维护者：需持续积累领域知识的遗留系统负责人
- 离线/隔离环境用户：无公网访问权限的企业内网开发场景
- AI 工作流定制者：希望 LLM 深度理解个人编码风格的高级用户
常规风险提示
- 会话转录文件（
~/.claude/projects/*/）可能含敏感凭证，索引前务必审查 - 知识图谱与向量库的本地存储需定期备份，避免意外丢失积累的专家知识
- SSE 模式非默认配置，若启用后调整监听地址，需评估网络边界安全