RepoBrain 代码库智能问答引擎
给你的代码库装上大脑——在 Claude Code、Cursor、Codex、Windsurf 等工具中使用，基于真实代码和文件定位的回答。
证据显示：README 描述了权限控制（如 RB_ALLOW_MCP 需显式开启）、沙箱配置（SANDBOX_TYPE 默认 local，非隔离）、敏感信息处理（检索图会脱敏常见密钥，但 full 模式可能保留源码片段）、依赖安全（有 CI 测试，但未提供依赖漏洞扫描证据）、外部影响（MCP 客户端可连接外部服务器，需显式启用）、回滚（rb init --force 可覆盖，但无版本回滚机制）、来源归属（有 LICENSE 和 SECURITY.md，但发布者未验证）。扣分原因：权限最小化未充分证明，用户确认机制仅部分（如 MCP 需显式开启），数据流透明度不足，敏感数据处理有但有限，依赖安全证据不足，外部影响控制有但需更多细节，回滚机制缺失，来源归属仅基于文件声明。
证据显示：README 和代码结构一致，测试覆盖了 doctor 命令和 init 的 force 行为，CI 配置了多版本 Python 测试。扣分原因：依赖可用性未充分验证（如 requests 缺失时的回退），失败消息在测试中有体现但未全面覆盖。
证据显示：README 明确了目标用户（开发者、AI IDE 用户）和使用场景（代码库问答、知识库构建），能力边界有描述（如 rb-refresh 需要 LLM，rb init 不需要），触发精度有说明（如 rb-ask 需要先 rb-refresh），环境适配有支持矩阵（Claude Code、Codex 等）。扣分原因：部分场景描述较简略，能力边界未完全明确。
证据显示：README 结构清晰，有安装说明（多种方式）、示例（命令示例）、已知限制（如沙箱非隔离）、许可证（MIT）、版本信息（v0.3.0 升级测试）。扣分原因：命名稳定性有改名历史（Antigravity 到 RepoBrain），版本变更日志未提供，维护责任未明确（发布者未验证）。
证据显示：输出可用性有描述（答案带文件路径和行号），边际价值有对比（与传统 grep 对比），成本效益有基准数据（2.1× 速度提升）。扣分原因：成本效益数据未独立验证，且依赖 LLM API 成本。
证据显示：README 提供了基准报告链接（artifacts/benchmark-2026-05-09/REPORT.md），有 CI 测试，但未提供独立验证。扣分原因：声明可追溯性有限，交叉验证不足，事实与推断未明确分离。
- 发布者身份未验证，需谨慎对待来源。
- 沙箱默认非隔离，不适合处理不可信代码。
- MCP 外部服务器连接需显式开启，但需注意权限。
- 基准测试数据未独立验证，可能夸大性能。
- 依赖安全未提供漏洞扫描证据。
这个 Agent 能做什么，适合哪些场景？
RepoBrain（前身为 Antigravity Workspace Template）是一个跨 IDE 的代码库知识引擎，通过多智能体集群自动阅读代码并生成知识文档，提供基于真实代码的问答服务。它包含 CLI（rb）和引擎（engine）两个 Python 包，以及面向 Claude Code 和 Codex 的原生插件。核心组件包括 Router、ModuleAgent、GitAgent 和多智能体知识库刷新管道。它通过文件（如 CLAUDE.md、AGENTS.md）和 .repobrain/ 目录共享知识，支持多种 IDE 和 LLM 提供商，并可选提供 MCP 服务器。安装方式包括插件市场和 pip，支持 Open AI 兼容 API 或本地 Codex 主机模式。主要命令包括 rb-setup、rb-refresh、rb-ask 和 rb-init。
RepoBrain 提供四个主要命令：rb-setup 交互式配置 LLM 提供商并写入 .env；rb-refresh 部署多智能体集群扫描代码库，生成 conventions.md、structure.md、knowledge_graph.json 以及 agents/*.md 知识文档，并生成 map.md 路由索引；rb-ask 将问题路由到相应的 ModuleAgent，返回带文件路径和行号的答案；rb-init 从模板脚手架新项目。引擎还包含 GitAgent 分析 git 历史，以及可选的 MCP 服务器（rb-mcp），暴露 ask_project 和 refresh_project 工具。安装通过 Claude Code 插件市场或 pip 进行。
- 开发者在 Claude Code 中使用 /repobrain:rb-ask 快速了解大型代码库的认证流程，无需手动 grep。
- 新成员加入项目，通过 rb-refresh 自动生成模块知识文档，加速代码库上手。
- 在 Codex CLI 中使用 /rb-ask 查询某个函数的定义位置和调用链。
- 项目维护者在代码重构后运行 /repobrain:rb-refresh quick 增量更新知识库。
- 安全审计人员使用 rb-ask 发现潜在的安全漏洞，如未授权访问。
这个 Agent 有哪些优点和局限？
- 跨 IDE 支持：一套知识库文件被 Claude Code、Cursor、Codex 等读取，无需为每个 IDE 单独配置。
- 多智能体自动学习：rb-refresh 通过多智能体集群生成模块知识文档，减少人工编写文档。
- 高准确性：在基准测试中，事实性查询准确率达 99%，且比 Codex CLI 快 2.1 倍。
- 语言无关：基于目录结构而非特定语言语法，适用于任何编程语言。
- 需要 LLM API 密钥：rb-refresh 和 rb-ask 需要 OpenAI 兼容 API 密钥，本地模式仅限个人使用。
- 初始刷新耗时：大型代码库刷新可能需要较长时间，且消耗 API 调用。
- 依赖第三方服务：答案质量受限于所选 LLM 提供商，存在供应商锁定风险。
- 插件支持有限：仅原生支持 Claude Code 和 Codex，其他 IDE 需通过文件或 MCP 集成，功能可能受限。
如何安装或部署这个 Agent？
Claude Code 插件安装：在 Claude Code 中执行 /plugin marketplace add study8677/repobrain，然后 /plugin install repobrain@repobrain。Codex CLI 手动安装：pipx install "git+https://github.com/study8677/repobrain.git#subdirectory=engine" 和 pipx inject --force --include-apps repobrain-engine "git+https://github.com/study8677/repobrain.git#subdirectory=cli"，然后添加插件市场。需要 Python 3.10+ 和 OpenAI 兼容的 API 密钥。
如何使用这个 Agent？
安装后，在项目目录运行 /repobrain:rb-setup 选择 LLM 提供商并配置 .env，然后运行 /repobrain:rb-refresh 构建知识库，最后使用 /repobrain:rb-ask "如何实现认证？" 提问。对于 Codex，使用 /rb-setup、/rb-refresh、/rb-ask。手动安装时，使用 rb-refresh --workspace . 和 rb-ask "问题" --workspace .。
常见问题
RepoBrain 与 Codex CLI 或 Claude Code 自带的代码搜索有何区别？
我需要为每个项目运行 rb-refresh 吗？
rb-refresh quick 增量更新。