一个程序员的自救：用MCP和混合RAG重建本地工作流

你有没有算过，一天里要给AI解释多少次项目背景？

我算了。平均17次。不是和AI聊17个话题，是同一个项目，17次从零开始讲上下文。

更烦的是第18次——你明明记得某段逻辑写在某个文档里，但就是想不起文件名，搜索也搜不到，最后只能凭印象重写一遍。写完之后才发现，老版本就在三年前那个已经弃用的Confluence空间里。

这就是我现在的工作状态：编辑器、终端、笔记、任务列表、AI助手，每个工具单独用都没问题，合在一起却连"保持上下文同步"这种基础需求都满足不了。

于是我做了一个决定：与其继续给每个工具当翻译，不如建一个它们都能读写的本地中心。

这个叫DeepThink的项目，本质上是一个实验：如果数据真正属于用户，而不是属于某个应用，开发工作流会变成什么样？

先解决"数据在哪"的问题

我的核心需求很矛盾：想要一个统一的本地工作空间，又希望这些数据能在Mac的每个角落被调用——而不是被困在某个应用的沙盒里。

DeepThink的底层设计直接回应这个矛盾。数据 persistence 完全本地化：SwiftData处理结构化数据，原始内容以Markdown格式存在磁盘上，向量嵌入也放在本地目录（~/DeepThink/）。没有云端同步的魔法，也没有专有格式的绑架。

但"本地"不等于"孤岛"。这里有两个关键接口：

MCP服务器。这是让外部工具能读写DeepThink数据的管道。MCP（Model Context Protocol）是Anthropic推动的开放标准，简单说就是给AI助手和编辑器发了一张"访问你的工作空间"的通行证。如果你的IDE或Claude客户端支持MCP，它查询项目上下文的方式就和DeepThink自己的UI完全一致。

deepthink CLI。覆盖那些没有MCP支持的场景：Shell脚本、SSH远程会话、快速记录想法，或者临时想从命令行捞一段上下文。不需要打开任何图形界面。

这两个接口的组合意图很明显：数据住在你的机器上，但能力要流到你的整个工作流里。

再解决"怎么找"的问题

把整份代码库扔进Claude对话，这种做法我试过太多次。结果总是相似的：token烧得飞快，关键信息淹没在噪音里，模型还是找不到那个藏在第47行的关键判断。

DeepThink的检索层用了混合RAG（Hybrid RAG）：BM25关键词搜索 + 语义向量搜索并行运行。技术实现上，语义部分基于Apple原生的NLEmbedding框架，完全本地计算，不需要把数据发往外部API。

实际效果是分层的：

精确匹配留给关键词。函数名、文件名、特定术语——这些你记得准确拼写的内容，BM25能直接定位。

模糊意图留给语义。只记得"大概和缓存失效有关，但忘了具体怎么表述"，向量搜索能把相关段落捞上来。

最终给AI的上下文是窄而精的摘录，而不是整份haystack。这和生产级RAG系统的核心原则一致：检索要窄，生成才能准。

Claude的位置

DeepThink没有试图替代编辑器或终端。Claude的集成通过官方CLI（claude login）完成，对话时自动叠加刚才说的那层检索结果。

关键变化是成本结构。以前每开一个新对话，都要重新上传项目背景；现在上下文已经索引在本地，Claude每次只需要读取相关片段。这意味着"随时问一句"变得可行——不需要再为每次轻量交互支付沉重的token税。

还有一个设计细节：DeepThink内部支持/deepthink命令，可以在对话中直接触发工作空间查询。这个边界很重要——AI是客户端之一，不是数据的拥有者。

这到底改变了什么

用了一个月之后，最明显的感受不是某个功能有多惊艳，而是某些 friction 消失了。

我不再需要维护一份"给AI看的项目README"。以前为了和Claude有效协作，我得专门写一份浓缩版上下文，还得记得每次架构变动后去更新它。现在这份上下文就是工作空间本身，实时反映我实际在做什么。

终端和GUI之间的切换也更顺畅。在Shell里快速记录一个想法，deepthink add "记得重构那个异常处理"，过会儿在图形界面里整理成正式任务——数据是同一套，只是交互方式不同。

最意外的是对"本地优先"的重新理解。我之前以为本地优先意味着牺牲便利性，但MCP和CLI的组合反而让数据比那些云同步的SaaS更"在场"——它同时服务于人机交互和机器与机器的交互，不需要经过任何专有API的中转。

还没解决的问题

这个方案有明显的边界。首先是平台锁定：SwiftUI和Apple的嵌入框架意味着短期内没有跨平台计划。其次是协作真空——单人工作流很完整，但团队共享仍然需要回到传统的Git + 文档模式。

还有一个更深层的问题：当AI助手能读写你的工作空间时，"意图"和"执行"的边界开始模糊。我设了一些基本护栏（比如CLI的只读模式、MCP服务器的权限分级），但说实话，长期的人机协作规范还在摸索中。

DeepThink目前是我个人的生产工具，代码没有开源。写这些不是为了推荐某个产品，而是记录一个观察：当开发者开始用MCP这类开放协议重构自己的工作流时，"应用"的概念本身在松动。

数据属于用户，能力属于生态，界面只是临时的投影——这个理念在消费软件里喊了很多年，但在开发工具领域，我们可能才刚刚开始真的尝试。