面向复杂项目的多智能体协调中枢，融合 Neo4j 知识图谱、Meilisearch 语义搜索与 Tree-sitter 精准解析，实现跨 AI 编码助手的共享上下文与任务编排。
说明：
## 核心用法
Project Orchestrator 是一款专为复杂代码库设计的 AI 智能体编排系统，通过构建统一的知识基础设施，解决多 Agent 协作中的上下文碎片化问题。
**系统架构**：以 Rust 编写的高性能服务为核心，后端整合三大引擎——Neo4j 图数据库存储代码结构、项目计划与决策关系；Meilisearch 提供毫秒级语义搜索；Tree-sitter 实现 12 种编程语言的精准 AST 解析。
**典型工作流**：
1. **项目初始化**：创建隔离的项目空间，绑定代码根目录
2. **代码同步**：通过 CLI/API 触发同步，或启用文件监听实现实时更新
3. **计划编排**：创建结构化任务计划，定义优先级与依赖关系
4. **Agent 协作**：为不同 AI 助手（Claude Code/OpenAI/Cursor）生成专属上下文提示
5. **决策沉淀**：自动记录技术决策及其依据，支持历史检索
**MCP 生态集成**：提供 62 个标准化工具，涵盖代码搜索、符号引用、调用图分析、影响评估等高级能力，使 AI 助手能”读懂”代码库而非仅”读取”文件。
## 显著优点
– **多项目隔离**：原生支持多个代码库的独立管理，避免上下文污染
– **语义级代码探索**：超越文本搜索，支持 trait 实现查找、impl 块检索、相似代码匹配等图查询
– **实时同步机制**：文件监听自动捕获变更，保持知识库与代码库同步
– **决策可追踪**：结构化记录技术决策，形成可查询的组织记忆
– **生产级性能**：Rust + 内存数据库组合，API 响应延迟极低
## 潜在局限
– **基础设施依赖重**：必须部署 Neo4j 和 Meilisearch，Docker 环境为硬性要求
– **语言覆盖有限**：Tree-sitter 支持 12 种语言，小众语言需自定义 grammar
– **学习曲线陡峭**：图查询、计划依赖建模等概念对团队有一定认知成本
– **Rust 生态绑定**：扩展开发需 Rust 能力，插件生态尚处早期
## 适合人群
– 管理 5 万行以上复杂代码库的技术团队
– 需要多 AI 助手协同工作的工程组织
– 追求技术决策可追溯性的企业级项目
– 拥有 DevOps 能力可维护基础设施的成熟团队
## 常规风险
– **数据持久化**：默认配置使用弱密码，生产环境需强制变更
– **资源占用**：Neo4j + Meilisearch 双内存数据库，中等规模项目即需 4GB+ 内存
– **版本兼容性**：MCP 协议快速迭代，工具定义可能随版本变化
– **同步延迟**：大仓库首次全量同步耗时较长，可能阻塞其他操作
会员专属
