GitNexus: Knowledge Graph Giúp AI Agents Thực Sự Hiểu Codebase Của Bạn

GitNexus index codebase thành knowledge graph có thể truy vấn và expose cho AI agent qua MCP — để refactor không còn làm vỡ code mà model chưa từng mở.

⚡ TL;DR

GitNexus là công cụ MCP giúp AI agent hiểu cấu trúc codebase, không chỉ từng file riêng lẻ. Nó cũng có giao diện trực quan hoá dạng đồ thị khi bạn muốn khám phá mà không cần gắn vào editor.

Nó giải quyết gì: Xây dựng knowledge graph của codebase và expose qua MCP tools để AI agents hiểu impact của mỗi thay đổi
Tại sao quan trọng: Nếu không có nó, AI refactor code bề ngoài tốt nhưng vô tình break 47 functions phụ thuộc mà nó không thấy
Dùng cho ai: Developers dùng Cursor, Claude Code, Windsurf hay bất kỳ AI coding assistant nào
Khác biệt chính: Tính toán trước graph intelligence (clustering, execution flow, blast radius) thay vì hy vọng LLM dò đủ

Bản Đồ Cho Người Mới

Đừng đọc GitNexus như bảy MCP tools rời rạc. Hãy đọc theo một đường: index một lần vào KuzuDB, truy vấn nhiều lần qua MCP.

Lượt 1: Phần 1 — pattern refactor mù (UserService.validate()).
Lượt 2: Phần 2 — xem scene năm beat; nhớ analyze → KuzuDB → MCP.
Lượt 3: Phần 3 — tools theo thứ tự quan trọng (impact trước, rồi context, query, …).
Lượt 4: Phần 4 — chạy bài tập thực hành bên dưới trên repo bạn đang sửa.

Thuật ngữ	Trả lời câu hỏi
KuzuDB	Graph đã index nằm ở đâu?
`analyze`	Làm sao dựng graph từ repo?
MCP	Agent trong editor chạm graph bằng cách nào?
`impact`	Đổi symbol này thì cái gì sẽ vỡ?
Processes	Execution flow nào (vd. LoginFlow) chạm code này?
`gitnexus serve`	CLI index và Web UI dùng chung graph thế nào?

Bài Tập Thực Hành Đầu Tiên

Sau npx gitnexus analyze và npx gitnexus setup ở Phần 4, mở Cursor hoặc Claude Code và hỏi:

“Trước khi refactor UserService, dùng GitNexus impact để liệt kê upstream dependents kèm confidence score.”

Nếu agent trả về bản đồ blast radius có cấu trúc thay vì grep tên file, beat 3 trong scene Phần 2 vừa trở thành thực tế — phần còn lại của bài chỉ là chi tiết cho các mũi tên bạn đã xem animate.

Mở rộng: sau khi sửa file, nhờ agent chạy detect_changes trước khi commit. Vòng lặp đó nối impact ở beat 3 với lưới an toàn pre-commit ở Phần 3.

Phần 1: Nền Tảng — Mô Hình Tư Duy

Tưởng tượng bạn là bác sĩ phẫu thuật chuẩn bị mổ. Bạn có X-quang thấy xương, nhưng không thấy dây thần kinh, mạch máu, hay cách chúng kết nối. Bạn cắt một nhát — và trúng động mạch mà không ai đề cập.

Đó chính xác là điều xảy ra khi AI agents chỉnh sửa code ngày nay.

Các tool như Cursor, Claude Code, Windsurf, và Cline là những trình soạn thảo code cực kỳ mạnh. Nhưng chúng có chung một điểm mù cốt lõi: chúng không thực sự hiểu cấu trúc codebase của bạn. Chúng thấy files, thấy functions, nhưng không thấy mạng lưới dependencies vô hình kết nối mọi thứ.

Đây là pattern thất bại điển hình:

Bạn yêu cầu AI refactor UserService.validate()
AI chỉnh sửa hoàn hảo — trong phạm vi riêng lẻ
AI không biết 47 functions phụ thuộc vào return type của nó
Breaking changes được push lên production

GitNexus giải quyết vấn đề này bằng cách xây dựng một knowledge graph hoàn chỉnh của codebase — mọi function call, import, class inheritance, và execution flow — rồi expose qua smart tools thông qua Model Context Protocol (MCP).

Hình dung thế này:

Không có GitNexus: AI agent của bạn di chuyển trong codebase như khách du lịch với bản đồ tên đường.

Có GitNexus: AI agent di chuyển như dân địa phương biết mọi đường tắt, ngõ cụt, và đường một chiều.

Ẩn dụ đó mô tả đúng khoảng trống — nhưng vẫn còn trừu tượng. Phần 2 biến nó thành một đường đi cụ thể: từ refactor mù ở beat 1, qua npx gitnexus analyze dựng graph trong KuzuDB, đến lúc agent gọi impact() trước khi chạm vào UserService.

Phần 2: Khám Phá — GitNexus Xây Dựng “Bộ Não” Như Thế Nào

Phần 1 đặt tên cho điểm mù. Phần 2 cho thấy GitNexus lấp nó bằng cách nào.

Ở mức cao, GitNexus làm ba việc theo thứ tự:

Index — duyệt repo qua pipeline sáu giai đoạn và lưu knowledge graph vào KuzuDB
Expose — phục vụ graph đó cho editor qua MCP tools (impact, context, query, …)
Deliver — chạy cùng một “bộ não” trên CLI (local), Web UI (browser), hoặc nối hai phía bằng gitnexus serve

Danh sách bullet trong README che mất trình tự đó. Trước khi mở từng giai đoạn pipeline, từng MCP tool và lệnh setup, hãy xem một câu chuyện chạy qua năm beat — xương sống giống nhau dù bạn index từ terminal hay khám phá trên browser.

Coi animation như các chương của cùng một câu chuyện:

Without graph context — pattern thất bại ở Phần 1, giờ thành luồng (editor → agent → sửa lẻ)
Six-stage indexing — analyze đi Structure → Search rồi ghi vào KuzuDB
Precomputed graph queries — MCP trả blast radius và process context trong một lần gọi
CLI, Web, bridge mode — ba cách chạm cùng một graph
Full picture — zoom out; mọi mục bạn đọc phía dưới gắn vào stack này

GitNexus qua năm beat: refactor mù, index graph sáu giai đoạn, truy vấn MCP, chế độ CLI/Web bridge, rồi toàn bộ stack.

Câu xương sống cần nhớ: analyze → KuzuDB → MCP → agent tools. Beat 2 dựng graph một lần; beat 3 là lúc refactor mù dừng lại — agent truy vấn cấu trúc đã tính sẵn thay vì đoán từ tên file.

Dùng bảng này khi một beat kết thúc và bạn muốn đọc sâu hơn:

Beat trong scene	Đọc tiếp ở đâu
Without graph context	Phần 1 — pattern thất bại với `UserService.validate()`
Six-stage indexing	§ Pipeline bên dưới + Precomputed Intelligence
Precomputed graph queries	Phần 3 — đủ 7 MCP tools
CLI, Web, bridge mode	Phần 4 — Bắt đầu
Full picture	Bảng Mô Hình Tư Duy Cuối Cùng ở cuối bài

Pipeline Index Đa Giai Đoạn

Beat 2 trong scene trên chính là pipeline này đang chạy. Khi bạn gõ npx gitnexus analyze, GitNexus xử lý codebase qua sáu giai đoạn — sơ đồ ASCII bên dưới là cùng một đường đi, với tên giai đoạn ghi rõ để tra cứu:

┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│  1. Structure │───▶│  2. Parsing   │───▶│ 3. Resolution│
│  File tree +  │    │  Tree-sitter  │    │  Cross-file   │
│  folder map   │    │  AST extract  │    │  imports      │
└──────────────┘    └──────────────┘    └──────────────┘
        │                                        │
        ▼                                        ▼
┌──────────────┐    ┌──────────────┐    ┌──────────────┐
│  6. Search    │◀───│ 5. Processes  │◀───│ 4. Clustering │
│  Hybrid index │    │  Execution    │    │  Community    │
│  BM25+Vector  │    │  flow tracing │    │  detection    │
└──────────────┘    └──────────────┘    └──────────────┘

Giai đoạn 1 — Structure: Map file tree và quan hệ thư mục. Đây là bộ khung xương.

Giai đoạn 2 — Parsing: Sử dụng Tree-sitter để trích xuất mọi function, class, method, và interface từ 11 ngôn ngữ: TypeScript, JavaScript, Python, Java, C, C++, C#, Go, Rust, PHP, và Swift.

Giai đoạn 3 — Resolution: “Phép thuật” xảy ra ở đây. GitNexus resolve imports và function calls xuyên files với logic nhận diện ngôn ngữ. Nó không chỉ biết auth.ts tồn tại — nó biết handleLogin() trong auth.ts gọi validate() trong user.ts với độ tin cậy 90%.

Giai đoạn 4 — Clustering: Nhóm các symbols liên quan thành communities chức năng sử dụng graph algorithms qua Graphology. Các auth functions, database layer, và API routes tự nhiên cluster với nhau.

Giai đoạn 5 — Processes: Trace execution flows từ entry points xuyên suốt call chains. Nó map ra “LoginFlow” là process 7 bước từ route handler → validation → database → response.

Giai đoạn 6 — Search: Xây dựng hybrid search index kết hợp BM25 (keyword), semantic embeddings (qua HuggingFace transformers.js), và Reciprocal Rank Fusion để truy xuất nhanh.

Mỗi node animate ở beat 2 khớp trực tiếp với một giai đoạn:

Node trong scene (beat 2)	Giai đoạn	Việc cần làm (một dòng)
Structure	1	File tree và quan hệ thư mục
Parsing	2	Trích xuất AST bằng Tree-sitter
Resolution	3	Import và call link xuyên file
Clustering	4	Communities chức năng qua Graphology
Processes	5	Execution flows (vd. LoginFlow)
Search	6	Hybrid index BM25 + embeddings + RRF
KuzuDB	—	Graph đã lưu — mọi tool đọc từ đây

Đổi Mới Cốt Lõi: Precomputed Intelligence

Đó là lý do beat 3 trong scene trả lời gần như tức thì: phần nặng đã xong lúc index.

Các cách tiếp cận Graph RAG truyền thống đổ raw graph edges cho LLM rồi hy vọng nó dò đủ. GitNexus tính toán trước ngay khi index — clustering, tracing, confidence scoring — để mỗi tool call trả về context hoàn chỉnh trong một query duy nhất.

	Graph RAG điển hình	GitNexus
Khi nào làm việc nặng	Chủ yếu lúc query (LLM tự dò)	Chủ yếu lúc index (pipeline + KuzuDB)
Agent nhận gì	Raw edges; độ đầy đủ phụ thuộc exploration	Gói context đã tính sẵn qua MCP tools
Blast radius	Có thể cần nhiều query follow-up	`impact` trả depth + confidence một lần
Phù hợp nhất	Chat nghiên cứu mở	Refactor, rename, kiểm tra trước commit

Điều này có nghĩa:

LLM không thể bỏ sót context — nó đã sẵn trong tool response
Tiết kiệm tokens — không cần chuỗi 10 queries để hiểu một function
Dân chủ hóa models — LLM nhỏ hơn cũng hoạt động tốt vì tools lo phần nặng

Tech Stack

GitNexus chạy ở hai chế độ, mỗi cái với tech phù hợp:

Layer	CLI (Local)	Web (Browser)
Parsing	Tree-sitter native	Tree-sitter WASM
Database	KuzuDB native	KuzuDB WASM
Embeddings	transformers.js (GPU/CPU)	transformers.js (WebGPU/WASM)
Agent Interface	MCP (stdio)	LangChain ReAct agent
Visualization	—	Sigma.js + Graphology (WebGL)

Mọi thứ lưu trong KuzuDB, embedded graph database có hỗ trợ vector — không cần database server bên ngoài. Một kho lưu trữ duy nhất đó là nguồn mà CLI, Web UI và MCP cùng đọc trong beat 3–4 của scene.

Bảng trên là beat 4 ở dạng tĩnh: stack native trên nhánh CLI, stack WASM trên browser, cùng một hình dạng graph.

Phần 3: Chẩn Đoán — GitNexus Thực Sự Làm Gì Cho Developers

Phần 2 kết thúc với graph trong KuzuDB. Phần 3 là beat 3 đi vào thực chiến: agent làm gì với graph đó sau khi MCP đã kết nối.

Scene đã demo ba lệnh — impact, context, và query. GitNexus cung cấp bảy MCP tools. Dùng bảng tóm tắt trước, rồi cuộn xem output mẫu từng tool.

Tool	Hỏi khi…	Có trong scene?
`impact`	Cần blast radius trước khi sửa symbol	beat 3
`context`	Cần callers, callees và process membership	beat 3
`query`	Cần tìm theo process, không phải grep thô	beat 3
`detect_changes`	Cần đánh giá rủi ro diff trước commit	—
`rename`	Cần rename multi-file nhận biết graph	—
`cypher`	Cần truy vấn graph thô (power users)	—
`list_repos`	Quản lý nhiều repo đã index	—

Quy trình agent khuyến nghị (khớp thứ tự gọi ở beat 3):

impact — trước khi sửa: upstream nào sẽ vỡ?
context — trên symbol sắp chạm: callers, callees, processes
Edit — để agent refactor với context từ graph
detect_changes — trước commit: mức rủi ro và processes bị ảnh hưởng
rename — khi đổi tên symbol phối hợp nhiều file, không phải sửa một dòng

Các tool không có trong scene (detect_changes, rename, cypher, list_repos) vẫn đọc cùng graph KuzuDB mà beat 2 dựng — chúng là bề mặt tùy chọn trên cùng xương sống.

7 Tools Cho AI Agents “Tia X” Xuyên Code

1. `impact` — Phân Tích Blast Radius

Trước khi chạm vào code, hỏi: “Cái gì sẽ vỡ?”

impact({target: "UserService", direction: "upstream", minConfidence: 0.8})

TARGET: Class UserService (src/services/user.ts)

UPSTREAM (phụ thuộc vào nó):
  Depth 1 (SẼ VỠ):
    handleLogin [CALLS 90%] -> src/api/auth.ts:45
    handleRegister [CALLS 90%] -> src/api/auth.ts:78
    UserController [CALLS 85%] -> src/controllers/user.ts:12
  Depth 2 (CÓ THỂ ẢNH HƯỞNG):
    authRouter [IMPORTS] -> src/routes/auth.ts

Giống như có một senior engineer đã thuộc lòng toàn bộ codebase nói: “Nếu bạn thay đổi UserService, 4 thứ này SẼ vỡ, và 2 thứ này CÓ THỂ vỡ.”

2. `context` — Góc Nhìn 360° Về Symbol

Lấy bức tranh toàn diện của bất kỳ symbol nào — ai gọi nó, nó gọi gì, và tham gia processes nào:

context({name: "validateUser"})

incoming:
  calls: [handleLogin, handleRegister, UserController]
  imports: [authRouter]

outgoing:
  calls: [checkPassword, createSession]

processes:
  - name: LoginFlow (step 2/7)
  - name: RegistrationFlow (step 3/5)

3. `query` — Tìm Kiếm Theo Process

Không chỉ “tìm files chứa X”, mà “tìm các processes và execution flows liên quan đến X”:

query({query: "authentication middleware"})

processes:
  - summary: "LoginFlow"
    priority: 0.042
    symbol_count: 4
    process_type: cross_community
    step_count: 7

process_symbols:
  - name: validateUser
    type: Function
    filePath: src/auth/validate.ts
    process_id: proc_login
    step_index: 2

4. `detect_changes` — Lưới An Toàn Trước Commit

Trước khi commit, hiểu tác động thực sự của thay đổi:

detect_changes({scope: "all"})

summary:
  changed_count: 12
  affected_count: 3
  risk_level: medium

affected_processes: [LoginFlow, RegistrationFlow]

5. `rename` — Rename Phối Hợp Multi-File

Không phải find-and-replace đơn giản, mà rename nhận biết graph — phân biệt giữa function tên validate và comment chứa từ “validate”:

rename({symbol_name: "validateUser", new_name: "verifyUser", dry_run: true})

files_affected: 5
total_edits: 8
graph_edits: 6     (độ tin cậy cao)
text_search_edits: 2  (cần review cẩn thận)

6 & 7. `cypher` và `list_repos`

Raw Cypher graph queries cho power users, và khám phá repository cho multi-repo setups.

Use Case Thực Tế: Python Developers

Tưởng tượng bạn đang làm việc trên dự án Django với 200+ models. Bạn cần rename một model field. Không có GitNexus, bạn sẽ:

grep tên field (bắt luôn comments, strings, matches không liên quan)
Trace thủ công serializers, views, và templates
Hy vọng không bỏ sót queryset filter nào đó

Với GitNexus: impact({target: "User.email", direction: "upstream"}) → bản đồ dependency hoàn chỉnh tức thì. Đó chính là mũi tên impact bạn thấy ở beat 3 — giờ gắn với ví dụ Django quy mô lớn.

Phần 4: Giải Pháp — Bắt Đầu Như Thế Nào

Bạn đã có mô hình tư duy (Phần 1), pipeline (Phần 2) và tools (Phần 3). Phần 4 là beat 4: dựng index trên CLI, cắm MCP vào editor, xem nhanh trên browser, hoặc nối hai phía bằng gitnexus serve.

Nhánh beat 4	Lệnh / URL	Bạn nhận được
CLI index	`npx gitnexus analyze`	KuzuDB native trên disk + skills/hooks
MCP wiring	`npx gitnexus setup`	Editor nói chuyện với graph (beat 3)
Web explore	gitnexus.vercel.app	KuzuDB WASM trong browser
Bridge	`gitnexus serve`	Web UI đọc index CLI, không upload lại

CLI Quick Start (Khuyến Nghị)

Đây là nhánh trái của beat 4 — Dev → Analyze → KuzuDB trên đường native:

# Index repository (chạy từ root repo)
npx gitnexus analyze

# Vậy thôi! Lệnh này làm tất cả:
# - Index codebase
# - Cài đặt agent skills
# - Đăng ký Claude Code hooks
# - Tạo files AGENTS.md / CLAUDE.md

Kết Nối Với Editor

Khi graph đã có, đây là cách vẽ mũi tên Editor → MCP trên máy bạn:

# Tự động cấu hình MCP cho tất cả editors phát hiện được
npx gitnexus setup

# Hoặc thủ công cho Cursor (~/.cursor/mcp.json):
{
  "mcpServers": {
    "gitnexus": {
      "command": "npx",
      "args": ["-y", "gitnexus@latest", "mcp"]
    }
  }
}

Ma Trận Hỗ Trợ Editor

Editor	MCP	Skills	Hooks	Mức Hỗ Trợ
Claude Code	✅	✅	✅ PreToolUse	Đầy đủ
Cursor	✅	✅	—	MCP + Skills
Windsurf	✅	—	—	MCP
OpenCode	✅	✅	—	MCP + Skills

Web UI (Khám Phá Nhanh)

Đây là nhánh phải của beat 4 — Dev → WebUI → KuzuDB mà không cần cài local:

Không cần cài đặt — chỉ cần truy cập gitnexus.vercel.app. Upload repo hoặc paste GitHub URL. Mọi thứ chạy trong browser — không có code nào gửi tới server.

Bridge Mode

Đây là mũi tên Analyze ~> WebUI trong beat 4 — index CLI một lần, duyệt mọi nơi:

Chạy gitnexus serve để kết nối CLI và Web:

# Start local server
gitnexus serve

# Web UI tự phát hiện — duyệt tất cả repos đã index bằng CLI
# không cần upload hay index lại

Wiki Generation

Sau beat 4, bạn có thể biến graph đã index thành tài liệu đọc được — hữu ích cho onboarding hoặc mô tả PR:

gitnexus wiki
gitnexus wiki --model gpt-4o
gitnexus wiki --force  # Tạo lại hoàn toàn

Coi wiki như export mô hình tư duy của beat 5 thành prose mà team có thể đọc mà không cần mở editor.

Khi Nào Cần Re-Index

Graph là snapshot. Chạy lại npx gitnexus analyze khi:

Bạn merge refactor lớn hoặc đổi public API xuyên nhiều file
Thêm ngôn ngữ hoặc module tree mà index chưa từng thấy
MCP tools trả path cũ sau khi shuffle thư mục lớn

Sửa code hàng ngày không cần re-index đầy đủ — detect_changes hoạt động trên diff hiện tại.

Mô Hình Tư Duy Cuối Cùng

Beat 5 ở scene Phần 2 chính là bảng này dưới dạng hình — toàn bộ stack gom lại một chỗ. Giữ nó như “checksum” sau khi đã đi qua chi tiết:

Khía Cạnh	Mô Tả
Là gì	Engine knowledge graph index codebases thành graph database có thể query
Tech cốt lõi	Tree-sitter (AST) + KuzuDB (graph DB) + HuggingFace (embeddings)
Giao diện	7 MCP tools cho AI agents, CLI cho developers, Web UI để khám phá
Insight chính	Precomputed relational intelligence > raw graph traversal
Ngôn ngữ	TypeScript, JavaScript, Python, Java, C, C++, C#, Go, Rust, PHP, Swift
Privacy	Mọi thứ chạy local (CLI) hoặc trong browser (Web). Zero data rời máy bạn
So với DeepWiki	DeepWiki giúp bạn hiểu code. GitNexus giúp bạn phân tích code

Kết Luận

Vấn đề: AI agent sửa symbol trong phạm vi lẻ và bỏ sót code phụ thuộc chưa từng mở.
Cơ chế: Index một lần (analyze → KuzuDB), truy vấn nhiều lần (MCP tools với graph intelligence tính sẵn).
Lợi ích: Ít refactor gây vỡ hơn, rename nhận biết graph, kiểm tra rủi ro trước commit — không gửi codebase lên cloud indexer.

GitNexus không thay thế AI coding assistant. Nó cho assistant trí nhớ kiến trúc để ánh đỏ beat 1 không bao giờ lên production.

GitHub: github.com/abhigyanpatwari/GitNexus

GitNexus: Knowledge Graph Giúp AI Agents Thực Sự Hiểu Codebase Của Bạn

⚡ TL;DR

Bản Đồ Cho Người Mới

Bài Tập Thực Hành Đầu Tiên

Phần 1: Nền Tảng — Mô Hình Tư Duy

Phần 2: Khám Phá — GitNexus Xây Dựng “Bộ Não” Như Thế Nào

Pipeline Index Đa Giai Đoạn

Đổi Mới Cốt Lõi: Precomputed Intelligence

Tech Stack

Phần 3: Chẩn Đoán — GitNexus Thực Sự Làm Gì Cho Developers

7 Tools Cho AI Agents “Tia X” Xuyên Code

1. `impact` — Phân Tích Blast Radius

2. `context` — Góc Nhìn 360° Về Symbol

3. `query` — Tìm Kiếm Theo Process

4. `detect_changes` — Lưới An Toàn Trước Commit

5. `rename` — Rename Phối Hợp Multi-File

6 & 7. `cypher` và `list_repos`

Use Case Thực Tế: Python Developers

Phần 4: Giải Pháp — Bắt Đầu Như Thế Nào

CLI Quick Start (Khuyến Nghị)

Kết Nối Với Editor

Ma Trận Hỗ Trợ Editor

Web UI (Khám Phá Nhanh)

Bridge Mode

Wiki Generation

Khi Nào Cần Re-Index

Mô Hình Tư Duy Cuối Cùng

Kết Luận

Bài viết liên quan

Giải Mã AI Berkshire: Biến Claude Code và Codex Thành Một Team Đầu Tư Có Kỷ Luật

OmniRoute Giải Thích: AI Gateway Miễn Phí Không Để Công Cụ Của Bạn Bị Khựng Lại

Code Review Graph Explained: Review AI Thông Minh Hơn, Tốn Ít Token Hơn

i-have-adhd: Skill AI Nhỏ Khiến Coding Agent Cuối Cùng Cũng Trả Lời Thẳng

⚡ TL;DR

Bản Đồ Cho Người Mới

Bài Tập Thực Hành Đầu Tiên

Phần 1: Nền Tảng — Mô Hình Tư Duy

Phần 2: Khám Phá — GitNexus Xây Dựng “Bộ Não” Như Thế Nào

Pipeline Index Đa Giai Đoạn

Đổi Mới Cốt Lõi: Precomputed Intelligence

Tech Stack

Phần 3: Chẩn Đoán — GitNexus Thực Sự Làm Gì Cho Developers

7 Tools Cho AI Agents “Tia X” Xuyên Code

1. impact — Phân Tích Blast Radius

2. context — Góc Nhìn 360° Về Symbol

3. query — Tìm Kiếm Theo Process

4. detect_changes — Lưới An Toàn Trước Commit

5. rename — Rename Phối Hợp Multi-File

6 & 7. cypher và list_repos

Use Case Thực Tế: Python Developers

Phần 4: Giải Pháp — Bắt Đầu Như Thế Nào

CLI Quick Start (Khuyến Nghị)

Kết Nối Với Editor

Ma Trận Hỗ Trợ Editor

Web UI (Khám Phá Nhanh)

Bridge Mode

Wiki Generation

Khi Nào Cần Re-Index

Mô Hình Tư Duy Cuối Cùng

Kết Luận

Bài viết liên quan

Giải Mã AI Berkshire: Biến Claude Code và Codex Thành Một Team Đầu Tư Có Kỷ Luật

OmniRoute Giải Thích: AI Gateway Miễn Phí Không Để Công Cụ Của Bạn Bị Khựng Lại

Code Review Graph Explained: Review AI Thông Minh Hơn, Tốn Ít Token Hơn

i-have-adhd: Skill AI Nhỏ Khiến Coding Agent Cuối Cùng Cũng Trả Lời Thẳng

1. `impact` — Phân Tích Blast Radius

2. `context` — Góc Nhìn 360° Về Symbol

3. `query` — Tìm Kiếm Theo Process

4. `detect_changes` — Lưới An Toàn Trước Commit

5. `rename` — Rename Phối Hợp Multi-File

6 & 7. `cypher` và `list_repos`