Vexp 是一款本地优先的上下文引擎，可为 AI 编程智能体提供精准、相关的代码库片段，而不是将整个文件全部倾倒给模型。它将存储库解析为依赖关系图，运行带有图谱排序的混合搜索，并返回压缩的上下文胶囊，在提高回答质量的同时，将 Token 使用量减少高达 70%。它专为依赖 AI 助手的独立开发者和工程团队设计，旨在降低成本、减少错误编辑，并在不将源代码发送给第三方的情况下实现更好的多文件推理。
工作原理
Vexp 通过 tree-sitter 解析对项目进行索引，并将所有内容存储在本地 SQLite 数据库中，因此没有代码会离开机器，在索引或检索过程中也没有网络调用。它不是将代码库视为扁平文本，而是构建符号及其关系的图谱，然后结合全文搜索、TF-IDF 和图谱中心性对结果进行排序。当智能体请求上下文时，Vexp 会组装一个聚焦的胶囊，并应用骨架（skeleton）或轴心（pivot）压缩以剥离非核心代码，据报告，对于与当前任务无关的部分，可减少高达 97.7% 的冗余。其结果是一个更小、更精准的提示词，使智能体能够专注于与当前更改实际相关的代码中。
核心功能
- 图谱原生索引，映射跨函数和跨文件的依赖关系。
- 混合检索，将全文和 TF-IDF 搜索与图谱中心性排序相结合。
- 骨架和轴心压缩，压缩上下文并降低 Token 花销。
- 会话记忆，记录项目约定和过去的决策，使智能体在整个工作会话中保持一致。
- 影响分析，在进行编辑之前呈现依赖代码，以及跨调用图的逻辑流追踪。
- 利用可选的 GPU 加速本地设备模型进行意图检测。
- 十二个 MCP 工具，涵盖专业的搜索、记忆和监控功能。
集成与兼容性
Vexp 通过 Model Context Protocol 与智能体连接，并宣传支持约三十种语言的十二个智能体，包括 Claude Code、Cursor、Windsurf、GitHub Copilot、Continue.dev、Zed、Augment、Codex、Opencode、Kilo Code、Kiro 和 Antigravity。它以 Visual Studio Code 插件以及通过 npm 安装的独立命令行工具形式发货，因此同时适用于以编辑器为中心和以终端为中心的工作流。因为它支持 MCP，所以可以融入现有的智能体设置中，而无需为每个工具进行定制集成。
使用场景
- 利用精准、限定范围的上下文，调试和探索不熟悉的代码。
- 在编辑前查看影响分析，从而安全地进行重构。
- 尊重现有约定的上下文感知代码生成。
- 理解大型存储库中跨越许多文件的依赖关系。
价格方案
Vexp 采用免费增值（freemium）模式，Starter 档无需账号或信用卡即可开始使用。
| 方案 | 价格 | 核心功能 |
|---|
| Starter | 永久免费 | 最多 2,000 个节点、单个存储库、7 个 MCP 工具（4 个核心加上 3 个记忆）、每天 20 次管道和骨架调用、支持 VS Code 或 CLI |
| Pro | $19/月 | 最多 50,000 个节点和 3 个存储库、全部 12 个 MCP 工具、意图检测、CodeLens、邮件支持 |
两个档位都允许无限的个人存储库，且独立 CLI 在任何计划中均可用。
基准测试与可信度
在包含 100 个真实 GitHub 问题的测试集 SWE-bench Verified 上，Vexp 报告的 pass@1 解决率为 73%，每个任务的成本约为 $0.67，据其称比次优智能体便宜约 22%，并且它声称实现了其他智能体未能达到的 7 到 10 个独特问题解决。由于检索完全在设备上运行，这些结果是在没有将源代码发送出机器的情况下产生的。该项目以开源方式开发，在 GitHub 的 Vexp-ai 组织下提供了文档、已发表的基准测试文章和源代码。
隐私与本地优先设计
Vexp 的所有操作均在您自己的硬件上进行。索引存在本地 SQLite 中，检索不产生网络调用，且代码绝不会上传到外部服务，这使其非常适合对数据处理或合规性有严格要求的团队。对于在 AI 协助与将代码运送到远程服务的成本和机密性之间进行权衡的开发者，Vexp 将本地优先检索定位为同时获得更便宜上下文和更强隐私保护的途径。
