"Building nervous system for agent context."

GitNexus 的 slogan 直接点出了它的定位：给 Agent 建一套代码库的神经系统。核心理念是把代码库的所有依赖关系、调用链、模块结构和执行流全部索引成一张知识图谱，然后通过工具接口暴露给 AI Agent，让它们对代码结构的理解和人类工程师一样深。

两种用法，两种场景

Web UI：不需要安装，直接访问 gitnexus.vercel.app，把 GitHub 仓库地址或者 ZIP 文件拖进去，浏览器里就能生成交互式知识图谱，配合内置的 Graph RAG Agent 做自然语言问答。适合快速探索和演示场景，受限于浏览器内存（大约 5000 文件上限），也可以连后端模式突破限制。

CLI + MCP（推荐的方式）：本地安装后在仓库里运行索引，启动 MCP 服务器，直接把知识图谱能力接给 Cursor、Claude Code、Codex、Windsurf 这类工具。这才是它真正的价值所在——让 AI Agent 在写代码的时候真正理解整个代码库的架构，而不是只在当前文件里打转。

为什么叫"零服务器"

整个系统在客户端完成：CLI 索引在本地跑，结果存进本地的 LadybugDB；Web UI 版本完全在浏览器里运行，WDB WASM 内存模式_SESSION_隔离，不上传任何数据。

这意味着代码隐私完全在本地掌控——对于有保密要求的代码库，这个特性比功能本身还重要。

知识图谱 vs 传统 RAG

传统 RAG 检索的是文档块，和代码结构之间有语义断层。GitNexus 的做法不同：基于 Tree-sitter 把代码解析成语法树，提取函数定义、调用关系、模块依赖、导入导出——所有这些关系全部打进图谱里。当 Agent 问"这个函数被哪些地方调用了"或者"这个改动会影响哪些模块"，知识图谱能给精确答案，而不是模糊的相关性分数。

类比：DeepWiki 帮你理解代码是什么，GitNexus 让你能分析代码之间的关系——知识图谱追踪的是关系本身，不是描述。

企业级功能

GitHub 仓库_stars 上了 25k 之后，团队开始推企业版：PR 自动影响范围分析（改动这个文件会影响哪些模块）、自动更新的代码 Wiki、多仓库统一图谱。还有一个还没完全公开的功能：端到端测试生成。