AI Agent 程式碼庫記憶工具對比：CLAUDE.md、Cursor、Serena、codebase-memory-mcp 怎麼選

AI Agent 寫程式時最常見的問題，不是模型完全不會寫，而是它不知道這個程式碼庫真正長什麼樣。

它可能不知道入口檔案在哪裡，不知道某個 helper 已經存在，不知道測試命令怎麼跑，也不知道團隊約定哪些目錄不能碰。於是每次開新會話都要重新解釋專案背景，或者讓 Agent 反覆 grep、反覆讀檔案、反覆把無關內容塞進上下文。

這就是「程式碼庫記憶工具」要解決的問題。

不過這類工具不是同一種東西。CLAUDE.md、AGENTS.md 是規則檔案；Cursor 做的是 IDE 內索引；Serena 更像給 Agent 加一組語義程式碼工具；codebase-memory-mcp 走的是持久知識圖譜；RepoPrompt 偏人工上下文打包；Sourcegraph 則更適合企業級多倉庫程式碼理解。

先給結論

我的建議：

• 小專案：先寫 AGENTS.md 或 CLAUDE.md。
• 中型專案：規則檔案 + IDE 索引。
• 大型單倉庫：規則檔案 + Serena 或 codebase-memory-mcp。
• 多倉庫團隊：規則檔案 + MCP 索引工具 + Sourcegraph 這類平台。
• 高風險改動：再加 RepoPrompt 這類人工上下文打包工具，先讓人審上下文，再讓 Agent 動手。

不要一開始就堆滿工具。程式碼庫記憶的目標不是「讓 Agent 知道一切」，而是讓它在目前任務裡少猜、少讀錯、少浪費上下文。

先區分三種「記憶」

1. 規則記憶

代表：CLAUDE.md、AGENTS.md、GEMINI.md、README 裡的 AI section。

它們記錄技術棧、常用命令、測試方式、目錄說明、禁止修改的檔案、程式風格、提交和驗證規則。這種記憶最便宜也最穩定，缺點是不會自動理解程式碼關係。

2. 檢索記憶

代表：Cursor codebase indexing、Sourcegraph、程式碼搜尋、向量索引、知識圖譜。

它們回答：函式在哪裡定義、誰呼叫了介面、哪些檔案可能相關、某個設定在哪裡出現、跨倉庫依賴在哪裡。適合中大型程式碼庫，但需要索引、刷新、權限和忽略規則。

3. 操作記憶

代表：Serena MCP、帶語義編輯能力的 Agent 工具、程式碼智能 MCP server。

它們不只是找到程式碼，還提供更接近 IDE 的工具，例如查 symbol、查引用、看 outline、替換函式體、重命名 symbol、做更小粒度的編輯。適合複雜重構和大倉庫導航，但安裝和配置更複雜。

CLAUDE.md / AGENTS.md：最基礎，也最應該先做

如果一個專案沒有任何程式碼庫記憶，第一步不該是上複雜索引，而是先補一份專案規則檔案。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

# Project Guide

## Commands

- Install: `pnpm install`
- Dev: `pnpm dev`
- Test: `pnpm test`
- Lint: `pnpm lint`

## Rules

- Prefer existing helpers in `src/lib`.
- Do not edit database migrations unless explicitly requested.
- Do not delete files without listing paths and waiting for confirmation.
- For UI changes, check mobile and desktop layouts.

這類檔案適合保存「專案怎麼做事」：用 pnpm 還是 npm、測試命令、哪些目錄是生成物、哪些檔案不能改、改 API 後要跑什麼檢查、AI 最後怎麼回報。

它的優勢是簡單、可提交到 Git、團隊共享、跨工具可讀。缺點是它不會告訴 Agent 函式在哪裡被呼叫。它是地基，不是完整程式碼索引。

站內這篇已經講過多專案記憶怎麼分層：/zh-tw/2026/07/08/claude-code-multi-project-memory-team-workflow/。

Cursor codebase indexing：適合 IDE 內閉環

Cursor 的 codebase indexing 更適合已經在 Cursor 裡日常開發的人。它會為目前程式碼庫建立索引，讓聊天、編輯和 @Codebase 這類上下文引用更容易命中相關檔案。

適合 IDE 內開發、在編輯器裡直接問功能位置、根據目前專案補程式、不想維護 MCP server、團隊主要都用 Cursor 的場景。

邊界也要清楚：索引主要服務 Cursor 內部工作流，跨工具共享有限；大倉庫要注意索引範圍和 ignore；不能只依賴它表達專案規則，仍然需要 AGENTS.md；生產設定、密鑰和生成物目錄要排除。

如果你已遇到 Claude Code token 暴漲、MCP 返回過多、上下文越來越亂，請記住：索引不是越多越好，真正有價值的是和目前任務相關的上下文。相關排查可看：/zh-tw/2026/07/08/claude-code-token-usage-spike-troubleshooting-faq/。

Serena MCP：適合大程式碼庫的語義導航和重構

Serena 更接近「給 AI Agent 用的 IDE 能力」。它透過 MCP 提供語義程式碼檢索、編輯、重構和除錯工具。

它適合大型 Python、Java、TypeScript、Go 等程式碼庫；Agent 經常找錯函式、讀錯檔案；需要查 symbol、引用、宣告和實作；需要更安全地做跨檔重構；也適合讓 Claude Code、Codex、OpenCode、Gemini CLI 等 MCP 客戶端共享同一套工具。

Serena 的優勢在於 symbol 級操作。普通 Agent 常靠全文搜尋和行號編輯，複雜專案裡容易誤傷。語義工具能讓它更像 IDE 一樣工作。

如果只是寫小腳本、改單頁應用、一兩個檔案的 bug，普通搜尋和編輯已經夠用。MCP 本身排障可以看：/zh-tw/2026/07/08/mcp-tool-call-failure-troubleshooting-faq/。

codebase-memory-mcp：適合多工具共享持久程式碼記憶

DeusData/codebase-memory-mcp 會把程式碼庫索引成持久知識圖譜，再透過 MCP 提供給支援 MCP 的 Agent。

它適合同時使用 Claude Code、Codex、Cursor、Aider、OpenCode 等多個工具；希望多個 Agent 共享同一個程式碼索引；專案較大，Agent 經常重複讀同一批檔案；想減少上下文裡塞大量原始碼；想要本地化、可重複的程式碼查詢能力。

優勢是「持久」和「跨工具」。缺點是要維護安裝更新、索引刷新、MCP 配置、權限範圍、忽略規則和客戶端相容性。

如果只是偶爾讓 AI 改兩行程式，沒必要上它。如果每天在多個 Agent 之間切換，它會更有價值。站內已有單獨教程：/zh-tw/2026/06/22/codebase-memory-mcp-code-intelligence-guide/。

RepoPrompt：適合人工精確控制上下文

RepoPrompt 和 RepoPrompt CE 的思路不是讓系統自動讀完整倉庫，而是幫使用者組裝一份可審查的上下文。

它適合想明確控制模型看到哪些檔案、複雜需求前需要人工選關鍵檔案、擔心自動索引帶入無關內容、想把檔案、CodeMap、目錄結構、Git diff 一起交給 AI 的場景。高風險重構、架構評審、程式碼審查都適合。

穩定流程是：人先選入口檔案、相關模組和 diff；RepoPrompt 生成上下文包；AI 做設計、審查或修改建議；真正寫程式前再縮小範圍。

Sourcegraph：適合企業多倉庫

Sourcegraph 更偏企業級程式碼理解平台，強調大型程式碼庫和多倉庫環境的索引、搜尋、權限和程式碼演進控制。

它適合多倉庫企業團隊、大型 monorepo、跨服務遷移、需要權限/審計/SSO/集中搜尋、Agent 需要理解不止目前本地倉庫、安全合規要求高的組織。

個人開發者通常不需要一上來用 Sourcegraph。它的價值在規模。

不同專案怎麼選

個人小專案

1
2
3

AGENTS.md 或 CLAUDE.md
+ Git
+ IDE 內建搜尋

先寫清命令、目錄和禁區，再讓 Agent 小步修改。重點不是記住所有檔案，而是別用錯命令、別誤刪檔案、別改無關目錄。誤刪防護可以看：/zh-tw/2026/07/10/ai-coding-avoid-accidental-file-deletion/。

中型業務專案

1
2
3

AGENTS.md / CLAUDE.md
+ Cursor codebase indexing
+ 必要時加 Serena MCP

規則檔案負責穩定約束，IDE 索引負責日常問答，Serena 負責更複雜的語義導航。

大型單倉庫

1
2
3
4

AGENTS.md / CLAUDE.md
+ Serena MCP
+ codebase-memory-mcp
+ 分目錄說明檔案

大型單倉庫最怕 Agent 把整個專案當成一坨文字。應該按模組拆：根目錄寫全局規則，子目錄寫局部規則，MCP 工具查 symbol 和依賴，重要任務先做只讀影響面分析，修改時只改小範圍。

如果還會用 Claude Code subagent，可以把「程式碼檢索」和「專項審查」拆成不同角色：/zh-tw/2026/07/10/claude-code-subagent-project-fit-guide/。

多倉庫團隊

1
2
3
4
5

每倉庫 AGENTS.md / CLAUDE.md
+ 團隊通用記憶
+ Sourcegraph 或企業程式碼搜尋平台
+ MCP 工具層
+ 權限和審計規則

多倉庫團隊最重要的是統一規則和權限。這時程式碼庫記憶已經不是個人效率工具，而是工程治理的一部分。

選型時看這 7 個問題

1. 程式碼庫有多大？
2. Agent 主要問題是「不知道規則」，還是「找不到程式碼關係」？
3. 你只用一個 IDE，還是同時用 Codex、Claude Code、Cursor、Aider？
4. 是否需要團隊共享同一份規則和索引？
5. 是否有密鑰、生產設定、客戶資料等敏感檔案？
6. 是否經常做跨檔重構和遷移？
7. 你能接受維護額外 MCP server 或企業平台嗎？

規則混亂就先寫 AGENTS.md / CLAUDE.md。找不到程式碼就考慮 Cursor 索引、Serena 或 codebase-memory-mcp。多倉庫治理就考慮 Sourcegraph。高風險任務上下文要可審查，就考慮 RepoPrompt。

常見錯誤

把記憶檔案寫成專案百科

CLAUDE.md 和 AGENTS.md 不應該塞所有歷史背景，只寫會影響操作的穩定規則。

索引範圍太大

不要把這些目錄交給 Agent 當主要上下文：

1
2
3
4
5
6
7
8
9

node_modules/
dist/
build/
public/
.next/
.cache/
coverage/
logs/
tmp/

索引工具要配合 .gitignore、.cursorignore、工具自己的 ignore 檔或 MCP 配置使用。

把搜尋結果當事實

程式碼檢索只能說明「找到了一些相關內容」，不代表結論一定正確。Agent 仍然需要讀入口檔案、查呼叫鏈、看測試和設定、跑最小驗證並回報不確定性。

忘了權限和隱私

接入前要確認是否上傳程式碼、索引存在何處、是否共享、是否包含 .env 和客戶資料、MCP server 是否限制工作目錄、日誌是否會列印敏感內容。

工具太多，規則太少

先把規則寫清楚，再加索引工具。

推薦落地路線

1. 給專案加一份簡短 AGENTS.md 或 CLAUDE.md。
2. 寫清技術棧、命令、目錄、禁區和驗證方式。
3. 配好 .gitignore、.cursorignore 或索引排除規則。
4. 日常 IDE 開發先用 Cursor / 內建索引。
5. Agent 經常找錯程式碼時，再加 Serena 或 codebase-memory-mcp。
6. 高風險改動前，用 RepoPrompt 這類工具人工打包上下文。
7. 多倉庫團隊再考慮 Sourcegraph 或企業程式碼搜尋平台。

總結

AI Agent 程式碼庫記憶工具沒有唯一答案。它們解決不同層次的問題：

• CLAUDE.md / AGENTS.md 解決專案規則。
• Cursor indexing 解決 IDE 內上下文。
• Serena MCP 解決語義導航和重構工具。
• codebase-memory-mcp 解決跨工具持久程式碼記憶。
• RepoPrompt 解決人工可審查上下文打包。
• Sourcegraph 解決企業級多倉庫程式碼理解。

真正穩的組合，通常不是選一個「最強工具」，而是先用規則檔案打底，再按程式碼庫規模增加索引、語義工具和團隊治理能力。

參考資料

• Serena GitHub repository
• Serena documentation
• codebase-memory-mcp GitHub repository
• RepoPrompt CE GitHub repository
• Cursor codebase indexing documentation
• Sourcegraph official site