大家好，

就像许多人一样，我最近一直在使用 LLM（Claude/Ollama）来进行架构设计和重构代码，特别是在我的独立游戏中。

但是，我很快遇到了一个巨大的障碍：上下文膨胀。将20+个C#脚本、ScriptableObjects和管理器都丢进AI中，只为了问“如果我改变这个事件会有什么后果？”，令我Token限制燃烧殆尽，并且由于原始代码噪音，AI会不断出现幻觉。

由于我找不到适合我的工作流的本地工具，我花了几个星期时间建立了PanzaScope，一款专门设计来优化代码库上下文以适应LLM的静态分析工具，并帮助你获得项目的全新视角。

它是如何工作的（我使用的方法）：

  • 不要把原始代码喂给AI，而是解析项目目录，并将整个架构转换为超密集的、token优化的关系图（通过Markdown/JSON）。

- 循环依赖：它将它们孤立为紧密耦合的链接，以便AI可以立即看到它们，而不让解析器陷入循环中。

- 上帝对象：它自动标记那些异常多个输入输出连接的文件（基于依赖关系数量），以便你（和AI）知道瓶颈中心在哪里。

在我对自己的项目的初始测试中，它减少了所需上下文载荷的大小，达到了70-80%，使本地模型（如Qwen/Gemma通过Ollama）在影响分析方面极快且精确。

核心引擎是100%开源（MIT许可证），因为我希望从其他开发者那里获得反馈，以改进C#/Unity解析逻辑。

👉 仓库地址：https://github.com/Panzadabira/PanzaScope

你 guys是如何处理代码库上下文映射的AI？你是否手动剥离你的脚本，还是使用其他自动化流水线？

我很希望听到你的想法，并对仓库提供一些激烈的反馈！