1. 项目扫描 → 建立「项目索引」

你打开项目时，AI 编辑器后台做的事：

遍历所有文件：.ts .vue .js .json
提取：
- 文件名、路径
- 函数名、变量名
- import / export 关系
- 类、组件、接口
存在一个轻量数据库（SQLite/内存数据库）

这就是 项目索引。

作用： AI 瞬间知道：项目里有什么、在哪。

2. 代码切片 → 生成「向量」

因为大模型一次看不完整个项目，所以要：

把代码切成一段一段（chunk）比如每段 500 行
对每段代码调用 嵌入模型（Embedding） 把代码变成一串数字数组，比如： [0.12, 0.45, 0.67, ...] 这就叫向量
把向量存到 向量数据库（如 Chroma、FAISS）

作用： 把“代码含义”变成计算机能计算的数字。

3. 用户提问 → 向量检索（最关键一步）

你输入指令：

帮我把登录逻辑改成 JWT 验证

AI 做的事：

把你的问题也变成向量
在向量库中搜索最相似的代码片段 （语义相似，不是关键词相似）
同时用项目索引补充：
- 相关文件路径
- 相关函数
- 相关接口

最后得到： 一堆最相关的代码片段。

4. 拼装 Prompt → 喂给大模型

这一步就是把资料递给学霸。

AI 自动拼接一个超级 Prompt：

我现在有一个项目，结构如下：
src/
  login.vue
  auth.ts
  userApi.ts

相关代码如下：
---
// auth.ts
export function login() { ... }
---
// login.vue
<script setup>
import { login } from ...
...
</script>
---

请你完成：
把登录逻辑改成 JWT 验证
只输出修改后的代码

然后把这个超长Prompt丢给 Codex / GPT-4 / Claude。

5. 大模型输出 → 编辑器执行修改

大模型返回：

修改哪些文件
每个文件改成什么
哪里要删、哪里要加

然后 AI 编辑器（Cursor 这类）直接：

创建文件
修改代码
替换内容
甚至帮你保存

你看到的效果就是： AI 自己改了整个项目。

二、用最通俗的比喻总结（一定要记住）

项目索引 = 书本目录
向量检索 = 划重点
大模型 = 学霸
你的需求 = 题目

整套流程就是：

先给书本建目录
再把重点内容划出来
把目录 + 重点递给学霸
学霸做题，给出答案
编辑器帮你写上去

三、为什么这决定了 AI 的强弱？

GitHub Copilot 只给学霸看当前这一行附近，视野极小。 → 只能补全代码。
Cursor 给学霸看目录 + 划重点的整章内容 → 能改整个项目、跨文件。
Claude Code 直接把整本书塞给学霸 → 能理解架构、复杂逻辑。

模型都一样（Codex），但给的资料不一样，结果天差地别。

四、前端程序员一句话记住这套架构

项目索引负责“找到位置”，向量检索负责“找到含义”，大模型负责“生成代码”，编辑器负责“执行修改”。四者串起来 = 能看懂项目的 AI。

AI 到底是怎么把 “项目索引 + 向量检索 + 大模型” 串起来工作的？