ontomics

ontomics 为任何编码智能体提供代码库的即时知识。只需一次工具调用，而非 19 次。token 消耗减少约 20 倍。

https://github.com/user-attachments/assets/01afa8a0-1bc2-4686-94d7-965fef7610c3

voxelmorph 项目的可视化 —— 一个用于图像配准中无监督学习的库

基准测试

使用 Claude Sonnet 进行测试 —— 相同的问题，分别在有和没有 ontomics 的情况下。

在 voxelmorph 上询问“此代码库中的 'transform' 是什么意思？”（完整记录）：

在 ScribblePrompt 上询问“此代码库中的主要领域概念是什么？”（完整记录）：

两种情况下都产生了完整、正确的答案。ontomics 只需一次调用即可完成。

Related MCP server: Code-Index-MCP

它能做而搜索做不到的事

搜索只能告诉你字符串出现在哪里。LSP 可以告诉你符号在哪里定义和引用。但两者都无法回答：此代码库中的领域概念是什么？它们之间有什么联系？出现了哪些命名规范？自上次发布以来领域词汇发生了什么变化？哪些函数行为相似，无论它们叫什么名字？

ontomics 构建了项目领域的语义索引 —— 将相关符号聚类为概念，从使用频率中检测命名规范，解析缩写，按行为相似性对函数进行分组，并跟踪词汇随时间的演变。该索引可以导出为便携式工件，以在其他仓库中引导规范。

行为相似性

除了命名和概念之外，ontomics 还使用 CodeRankEmbed（768 维，对比代码检索）嵌入原始函数体，并按行为相似性对它们进行聚类。这揭示了命名和调用图都无法暴露的关系：

❯ What functions behave like spatial_transform()?

  random_transform()   nn/functional.py:352   0.80
  spatial_transform()  functional.py:596      0.69
  random_transform()   functional.py:1399     0.67
  random_disp()        nn/functional.py:275   0.65
  integrate_disp()     functional.py:764      0.65
  compose()            nn/functional.py:216   0.63
  disp_to_trf()        functional.py:343      0.62

结果还显示 random_transform 出现在两个位置，且具有不同的相似度分数 —— 这是概念级搜索完全无法发现的实现重复的迹象。

安装

安装一次，即可在每个项目中使用。无需配置 —— ontomics 会自动检测仓库并在首次运行时进行索引。

ontomics 需要一个 git 仓库（.git/ 目录）。它将拒绝索引主目录、根目录或临时目录。要索引非 git 目录，请使用 --force。

1. 安装二进制文件

npm (macOS/Linux):

npm install -g @ontomics/ontomics

macOS (Homebrew):

brew install EtienneChollet/tap/ontomics

Shell 安装程序 (macOS/Linux):

curl --proto '=https' --tlsv1.2 -LsSf https://github.com/EtienneChollet/ontomics/releases/latest/download/ontomics-installer.sh | sh

从源码安装:

git clone https://github.com/EtienneChollet/ontomics.git
cd ontomics
cargo build --release

2. 在你的工具中注册

Claude Code:

claude mcp add -s user ontomics -- ontomics

Codex:

codex mcp add ontomics -- ontomics

OpenClaw:

openclaw mcp set ontomics '{"command":"ontomics"}'

pi-coding-agent:

pi install npm:@ontomics/ontomics

与团队共享 —— 在你的仓库根目录放入一个 .mcp.json：

{
  "mcpServers": {
    "ontomics": {
      "command": "npx",
      "args": ["-y", "@ontomics/ontomics", "--repo", "."]
    }
  }
}

支持的语言

Python, TypeScript, JavaScript, Rust。根据文件扩展名自动检测。

工具

概念和词汇

行为相似性

代码库结构

资源

工作原理

ontomics 完全在你的机器上运行多阶段流水线 —— 无需 API 密钥：

1. 解析 — tree-sitter 从你的源文件中提取每个标识符、签名和调用点

2. 分析 — TF-IDF 评分识别领域特定概念并检测命名规范

3. 嵌入（概念） — BGE-small (384 维) 按语义相似度对相关概念进行聚类

4. 嵌入（逻辑） — CodeRankEmbed (768 维) 嵌入原始函数体并按行为相似度对它们进行聚类

5. 中心度 — PageRank 按结构重要性对实体进行评分

两种嵌入模型均在首次运行时下载并缓存在本地。索引位于 <repo>/.ontomics/index.db —— 后续启动将从缓存加载并监视文件更改。

通过仓库根目录下的 .ontomics/config.toml 进行配置。所有字段都有合理的默认值。请参阅 SPEC.md 获取完整的设计契约。