（12005期）Project Orchestrator – 多智能体代码协作中枢

多智能体代码协作中枢 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。 使用说明 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： 项目初始化：创建隔离的项目空间，绑定代码根目录 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 计划编排：创建结构化任务计划，定义优先级与依赖关系 Agent 协作：为不同 AI 助手（Claude Code/OpenAI/Cursor）生成专属上下文提示 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 原始说明 AI agent orchestrator with Neo4j knowledge graph, Meilisearch search, and Tree-sitter parsing. Use for coordinating multiple coding agents on complex projects with shared context and plans.