极简、原生、单进程的 Coding Agent。纯 Go 实现，GUI 基于 Qt6（miqt Go 绑定，CGO 直调），无浏览器内核。
Agent 内置本地代码知识图谱（codegraph），一次构建、随改随查，让 Agent 不再靠 grep/glob/Read 反复扫描代码，一次调用即可拿到完整上下文：
- 15 种主流语言统一 tree-sitter 解析（Go/TS/TSX/JS/JSX/Python/Java/C/C++/C#/PHP/Ruby/Rust/Kotlin/Scala/Dart），所有语言（含 Go）共用一套通用 AST 提取器，符号、调用、引用、接口实现关系全量建图；不再有 go/ast、go/types 的单独解析路径，仅按 tree-sitter 各语言语法节点的差异做少量适配（如 Go 语法无字段名、按子节点位置推断）
- SQLite + FTS5 全文索引：索引持久化到
<项目根>/.go-agent/codegraph.db（nodes/edges/files 表 + contentless FTS5 虚拟表），全文检索由 SQLite FTS5 提供（MATCH+rank排序），与原版 codegraph 同款方案。索引目录用.go-agent而非官方 codegraph 的.codegraph，避免两套 schema 不同的数据库共用同名目录互相干扰 - 深度调用链检索：
callers（入边递归，深度可调）、callees（出边递归）、trace（双向 BFS 调用路径）、impact（影响面 blast radius），对齐原版 codegraph 的图遍历能力 - 细粒度工具集：6 个独立 MCP 工具（
search/node/callers/callees/trace/impact），Agent 按需取图，不再一次性全量返回浪费 token - 本地 embedding 语义检索（独家，可选）：DLL 动态链接 llama.cpp（
llama_bridge.dll，带 Vulkan 加速，无 GPU 时自动回退 CPU），仅在配置了向量化模型（config.json的embedding.model，EMBED_MODEL环境变量可覆盖）时才加载 DLL，全量符号向量化后支持自然语言模糊查询——"含义相同但名字不同"的符号也能命中；未配置模型时完全不加载 DLL，回退到原版 codegraph 的 FTS5 全文检索方案，零额外依赖。官方版 codegraph 明确不依赖 embedding，无法回答此类模糊语义问题，这是本移植版的增量能力 - 自动增量重建：每轮任务结束后台自动同步（指纹比对，仅重解析变更文件）；
/codegraph命令或 GUI 顶部"重建索引"按钮可手动触发 - 100% 本地：索引（SQLite）、符号向量（随索引持久化）、模型推理全部在本机完成，无外部服务、无 API Key
其他特性：
- 对话式编程辅助：支持工具调用（文件读写、命令执行、内容搜索、联网搜索、代码图查询）。
- 原生 GUI：三栏布局（会话列表 / 聊天消息 / 修改文件），消息气泡、命令输出折叠块、流式 Markdown 渲染、右键复制命令。
- 会话持久化：自动保存历史，启动时恢复上次会话。
- 长期记忆：本地向量/关键词检索（
memory/agent.db）。 - 双入口：
agent（CLI 交互）与agent-gui（桌面 GUI）。
- 解析：所有语言（含 Go）统一走 tree-sitter 通用 AST 提取器（一套
decls声明映射表驱动，无语言特判），提取声明/方法/调用/签名/Doc；接口实现关系（impl边）按方法签名匹配建立。 - 存储：索引写入
<项目根>/.go-agent/codegraph.db（SQLite，单连接 + 跨进程互斥锁），含nodes/edges/files表与 contentless FTS5 虚拟表nodes_fts（全文检索）；符号向量（Vecs）以二进制 blob 随索引持久化。 - 同步：每轮任务结束后台增量重建（mtime + sha256 指纹，未变更文件复用缓存图）；
/codegraph或 GUI 按钮手动全量重建。 - 全文检索：
internal/codegraph的Search(query, limit)直接执行SELECT ... FROM nodes_fts WHERE nodes_fts MATCH ? ORDER BY rank（FTS5 相关度排序），替代旧的内存词法打分。 - 语义检索（可选）：
internal/embed通过 syscall 动态加载llama_bridge.dll（C 桥接层，封装 llama.cpp 的模型加载/向量化 API），仅为全部符号生成向量（文本 = 接收者.符号名 + 签名 + Doc）；查询时先 FTS5 召回候选，再对候选做语义重排（整串精确命中置顶 + 其余余弦 ≥ 0.25 降序）。未配置模型路径（config.json的embedding.model，EMBED_MODEL可覆盖）时完全不加载 DLL，直接使用 FTS5 全文检索结果。
Reindex(root) 构建索引时按以下规则收集源文件（goFiles，对齐官方 codegraph 的 scanDirectoryWalk）：
- 递归遍历：从项目根递归收集；
.git与索引数据目录（.go-agent及.go-agent-*）始终跳过；不可读目录/文件跳过不中断。 - 默认忽略清单（无
.gitignore也生效，对齐官方DEFAULT_IGNORE_PATTERNS）：依赖/构建/缓存/工具输出目录约 90 个——node_modules/、bower_components/、.yarn/、dist/、build/、out/、.next/、.nuxt/、coverage/、__pycache__/、.venv/、venv/、.mypy_cache/、target/、.gradle/、obj/、vendor/、Pods/、.build/、.dart_tool/、.pub-cache/、.cxx/、.cache/等，另含*.egg-info/、cmake-build-*/、bazel-*/、**/res/{values,layout,drawable,…}*/（Android 资源目录）。与官方清单完全一致（无额外硬编码目录）。 .gitignore解析：根目录.gitignore与默认清单合并进同一个匹配器（因此根.gitignore的否定规则如!vendor/可覆盖默认忽略——官方文档的 opt-in 方式）；子目录的.gitignore各自编译、相对其声明目录求值（同 git 嵌套语义）。目录被忽略即整棵子树不进入，因此"父目录被忽略则子文件无法用!重纳入"的 git 规则天然成立。项目内的 vendored 目录（如third_party/）由项目.gitignore治理，不在代码中硬编码。- 文件筛选：仅收录
sourceExts白名单内的扩展名（15 种语言共 30+ 扩展名，见下方"支持语言"），大小写不敏感；>1MB 的文件跳过（生成的 bundle/压缩产物，对齐官方MAX_FILE_SIZE）。 - 相对路径：收录文件以项目根为基准的相对路径（正斜杠分隔）存入索引。
行为比对：对 32 文件/20+ 忽略场景的目录树，移植版与官方
scanDirectoryWalk（node-ignore 语义）输出完全一致（默认清单对齐后无差异）。已知细微差异见"已知限制"。
- Agent 自动使用：注册 6 个细粒度工具——
codegraph_search（关键词/FTS5 检索，紧凑列表）、codegraph_node（单符号完整上下文）、codegraph_callers（入边递归，深度 1-3）、codegraph_callees（出边递归）、codegraph_trace（双向 BFS 调用链，默认深 3）、codegraph_impact（影响面，默认深 2）。模型按需调用，只取自己需要的粒度。 - CLI 手动重建：对话中输入
/codegraph，同步重建并输出N 符号 / M 关系（耗时 xx）。 - GUI 手动重建：点击顶部状态栏右侧"重建索引"按钮（后台执行，不阻塞界面）。
模型路径在 config.json 的 embedding.model 中指定（不再自动探测 models/ 目录）；环境变量 EMBED_MODEL 可覆盖配置文件。配置了模型路径时加载 llama_bridge.dll 全量向量化；未配置（或 "off"/"0"）时回退 FTS5 全文检索，完全不加载 DLL。
// config.json（与 exe 同目录）
{
"embedding": {
"model": "D:\\models\\nomic-embed-text-v1.5.Q8_0.gguf"
}
}# 环境变量覆盖配置文件（可选；"off" 显式关闭）
$env:EMBED_MODEL = "D:\models\nomic-embed-text-v1.5.Q8_0.gguf"模型需自备（nomic-embed-text-v1.5 的 GGUF 量化版，Q8_0 约 139MB，768 维，从 HuggingFace 下载即可）。启用后启动日志会出现 语义检索已启用。
需要
third_party/llama-bridge/llama_bridge.dll（build-gui.ps1会自动构建并复制到build/，见下方"构建 llama_bridge.dll"）。DLL 缺失时语义检索自动降级为 FTS5，不影响启动与全文检索。
Go、TypeScript（含 .mts/.cts）、TSX、JavaScript（含 .mjs/.cjs/.jsx）、Python（含 .pyw）、Java、C（含 .h）、C++（.cc/.cxx/.hpp/.hxx/.hh）、C#、PHP（.module/.inc）、Ruby（.rake）、Rust、Kotlin（.kts）、Scala（.sc）、Dart。
- 全部语言为词法级 tree-sitter 解析（声明/调用/签名/Doc），无类型感知；跨包引用按模块语义解析（
resolveRef词法解析），同名多候选时放弃解析（精确优先，避免错误边）。 - 跨文件/跨语言桥接（如 iOS Swift+JS 混合）与框架路由识别暂未支持。
- 目录扫描与原版的差异：①
?单字符通配符按字面量处理（git/node-ignore 支持，移植版所用 gitignore 库的限制，实际 .gitignore 中罕见）；② 不跟随符号链接（原版跟随 in-root symlink 并去重）；③ git 仓库中不调用git ls-files/.git/info/exclude/全局 excludesfile（原版在 git 仓库走 git 枚举），均改用直接读.gitignore（根+嵌套），与官方非 git 项目路径一致；④ 不支持codegraph.json的 include/exclude/includeIgnored 配置（官方有，移植版无配置系统）。 - 英文 embedding 模型对中文 Doc 占比高的符号区分度有限；启用语义后首次向量化较慢（约 630 符号 60s，后台执行不阻塞交互）。
- 语义查询依赖
llama_bridge.dll（syscall 动态加载，见下方构建说明）；未配置模型时不加载 DLL，仅用 FTS5 全文检索。 - 全量构建需在
go build/test时附加-tags fts5（go-sqlite3 默认只启用 FTS3，FTS5 在 fts5 build tag 下编译）——无此 tag 会报no such module: fts5。
├── cmd/
│ ├── agent/ # CLI 入口（含 /codegraph 命令）
│ ├── agent-gui/ # Qt6 GUI 入口（顶部"重建索引"按钮）
│ └── guismoke/ # GUI 冒烟测试（模拟流式输出+折叠点击）
├── internal/
│ ├── agent/ # Agent ReAct 循环
│ ├── bootstrap/ # 应用装配（配置、LLM、搜索、记忆、会话、工具注册、语义服务）
│ ├── codegraph/ # 代码知识图谱：模型/SQLite+FTS5 持久化、tree-sitter 解析、增量索引、FTS5 查询、深度调用链
│ │ ├── db.go # SQLite 存储层（nodes/edges/files/vecs + contentless FTS5）与 Search()
│ │ ├── query.go # MatchByID / CallersOf / BlastRadius / Trace（双向 BFS 调用链）
│ │ └── tslangs/ # 多语言 tree-sitter 注册表 + 通用 AST 提取器（含 vendored Kotlin/Dart 内核）
│ ├── config/ # 配置加载（默认值 < config.json < 环境变量）
│ ├── embed/ # llama.cpp DLL 动态加载：模型加载 / 向量化 / 余弦相似度（syscall.NewLazyDLL）
│ ├── llm/ # OpenAI 兼容 LLM 客户端（流式、token 统计）
│ ├── logx/ # 结构化日志（可回传 GUI 状态栏）
│ ├── memory/ # 长期记忆持久化
│ ├── search/ # Brave / SearXNG / DuckDuckGo Lite
│ ├── semantic/ # 语义检索：FTS5 候选 → llama.cpp 向量重排（可选）
│ ├── session/ # 会话历史读写
│ ├── skill/ # Skill 加载
│ └── tools/ # 工具集（文件、命令、搜索、codegraph 6 工具等）
├── third_party/
│ ├── llama-bridge/ # C 桥接层：bridge.c + build.ps1 → llama_bridge.dll（syscall 动态加载；源码入库，dll 产物忽略）
│ ├── llama.cpp/ # git submodule（官方 llama.cpp，固定提交，仅编译期静态库，经桥接层链接进 DLL；克隆需 --recursive）
│ └── codegraph-upstream/ # 原版 codegraph 克隆（仅比对参考，git 忽略）
├── models/ # GGUF embedding 模型（git 忽略，自备）
├── build/ # 部署目录：exe + Qt DLL/插件 + 运行数据（git 忽略）
├── build-gui.ps1 # 构建 agent-gui 并部署 Qt 运行库到 build/
├── config.example.json # 配置模板（不含密钥）
└── qt.conf # Qt 平台配置（DPI 感知级别）
build/内的config.json、sessions/、memory/是运行数据，包含密钥与历史记录，不入库。仓库只提交源码与文档。
- Go 1.21+（含 CGO 工具链——go-sqlite3 为 cgo 实现）
- MSYS2 ucrt64 + Qt6（DLL 位于
C:\msys64\ucrt64\bin，插件位于C:\msys64\ucrt64\share\qt6\plugins） - 构建语义检索 DLL 需 CMake + Ninja + MSYS2 gcc（
build-gui.ps1自动完成）；Vulkan 加速可选装 MSYS2 包mingw-w64-ucrt-x86_64-vulkan-loader+mingw-w64-ucrt-x86_64-spirv-headers，运行依赖vulkan-1.dll（Windows 10 起系统自带），无 GPU/驱动时自动回退 CPU
重要：构建/测试必须附加
-tags fts5（go-sqlite3 的 FTS5 模块在 fts5 build tag 下启用），否则运行时报no such module: fts5。
重要：正式构建请加
-ldflags "-s -w"——miqt 的 C++ 绑定按-g编译，不带此标志的 exe 会携带约 300MB DWARF 调试信息（实测 353MB → 60MB）。build-gui.ps1已内置。
首次克隆：
third_party/llama.cpp是 git submodule（语义检索 DLL 编译依赖），请用git clone --recursive克隆，或克隆后执行git submodule update --init。
# 构建 agent-gui 并部署 Qt 运行库到 build/（build-gui.ps1 会设置 MSYS2/Go 环境变量；
# 只按导入表解析拷贝实际依赖的 ~27 个 DLL + platforms/qwindows.dll 插件，不再整目录拷贝）
powershell -File build-gui.ps1
# 构建后直接启动 GUI
powershell -File build-gui.ps1 -Run
# 手动启动
.\build\agent-gui.exe其他入口：
# CLI 版本（注意 -tags fts5；-ldflags "-s -w" 剥离调试符号）
$env:CGO_ENABLED = "1"
go build -tags fts5 -ldflags "-s -w" -o build/agent.exe ./cmd/agent
.\build\agent.exe
# GUI 冒烟测试（自动执行后退出）
go build -tags fts5 -ldflags "-s -w" -o build/guismoke.exe ./cmd/guismoke
.\build\guismoke.exe首次运行会在 exe 同目录自动生成默认
config.json。所有数据文件（config.json、sessions/、memory/）均与 exe 同目录。
internal/embed 通过 syscall.NewLazyDLL 按需加载 llama_bridge.dll（加载优先级：exe 同目录 → 当前工作目录 → 仓库 third_party/llama-bridge/）。未配置模型路径时不加载该 DLL，程序零额外运行时依赖。
build-gui.ps1 会自动完成整条构建链路（每次构建 GUI 时执行，无需手动操作）：
- 若
third_party/llama.cpp/build尚无静态库，自动执行 CMake 配置与编译：优先-DGGML_VULKAN=ON（启用 Vulkan 加速后端）；若本机缺 Vulkan 工具链导致配置失败，自动回退到 CPU-only 重新配置。 - 调用
third_party/llama-bridge/build.ps1，用 MSYS2 gcc 把bridge.c与 llama.cpp 静态库链接为llama_bridge.dll（存在 Vulkan 静态库ggml-vulkan.a时自动一并链接）。 - 将 DLL 复制到
build/（与 exe 同目录，程序优先从此加载）。DLL 构建失败仅告警，不影响主程序构建与运行。
Vulkan 加速与 CPU 回退：启用 Vulkan 后端的 DLL 在运行时由 llama.cpp 的 ggml_backend_load_all() 自动探测——检测到 Vulkan 设备则走 GPU 计算（启动日志可见 Vulkan0 ...），无驱动/无设备时自动回退 CPU，全程无需任何配置。运行依赖 vulkan-1.dll（Windows 10 起系统自带）。
手动方式（与自动步骤等价，升级 llama.cpp 后可用）：
# 1. 构建 llama.cpp 静态库（优先 Vulkan；失败则去掉 -DGGML_VULKAN=ON 重试）
cd third_party/llama.cpp
cmake -B build -G Ninja -DCMAKE_BUILD_TYPE=Release `
-DGGML_VULKAN=ON `
-DLLAMA_BUILD_EXAMPLES=OFF -DLLAMA_BUILD_TESTS=OFF -DLLAMA_CURL=OFF
cmake --build build --target llama
# 2. 编译 C 桥接层 → llama_bridge.dll
cd third_party/llama-bridge
powershell -File build.ps1之后用 MSYS2 gcc 编译 Go 代码（go-sqlite3 的 cgo 需要 gcc 在 PATH 中）：
$env:PATH = "C:\msys64\ucrt64\bin;" + $env:PATH
$env:CGO_ENABLED = "1"
go build -tags fts5 -o build/agent.exe ./cmd/agent配置文件 config.json（与 exe 同目录，参考根目录 config.example.json）：
{
"llm": {
"base_url": "https://api.deepseek.com",
"api_key": "你的 API Key",
"model": "deepseek-chat",
"context_window": 1000000
},
"search": {
"backend": "", // brave / searxng，留空则搜索不可用
"brave_api_key": "",
"searxng_url": ""
},
"embedding": {
"model": "" // GGUF embedding 模型绝对路径；留空/"off"/"0" 关闭语义检索
}
}支持环境变量覆盖：LLM_API_KEY、LLM_BASE_URL、LLM_MODEL、DEEPSEEK_API_KEY、BRAVE_API_KEY、SEARXNG_URL；语义检索模型路径另有 EMBED_MODEL（覆盖 embedding.model，见上文"启用语义检索"）。
注意：
build/config.json含密钥，已通过.gitignore排除；向仓库添加配置时请使用config.example.json并留空密钥。