Manon · 马浓
从需求到上线，每一步基于代码事实
知识图谱引擎 + 开发技能体系。不是补全代码的打字员，是理解整个代码库的架构师。
模型越强，上下文不足 + 流程无结构的问题越严重 — 强模型 + 差上下文 + 无流程 = 自信地输出垃圾，而且更快
AI 编程的两个结构性缺陷
不是模型不够强，是这两个问题没解决
上下文不足
模型看不到调用图、依赖链、模块边界
→ 幻觉 — 猜关系、漏副作用、改一处坏一片
流程无结构
模型不做需求分析就直接写代码
→ 失控 — 范围蔓延、没测试、静默回归
这两个缺陷在架构、模块、代码三个层面产生 19 种具体失败模式， 且在 AI 生成速度远快于人类的情况下以机器速度扩散
两层解决方案
知识图谱解决上下文问题，技能体系解决流程问题
知识图谱
- 索引每个函数、类、调用关系、导入链、模块边界
- 向量 + 图混合搜索——语义模糊查询 + 结构精确遍历
- 代码留在本地，只上传 AST 数据，增量同步
- 毫秒级查询，支持 Python / TS / JS / Java / PHP 深度解析
开发技能体系
/idea → 开发 → /dao → /tc → /exp
需求 开发 维护 测试 验证
↑ 全部基于知识图谱
五个开发技能
技能只在纯 LLM 对话无法胜任时才存在——需要外部工具、确定性流程或结构化输出
需求精化
查询知识图谱 + GitHub 调研，然后基于代码事实进行苏格拉底式追问——「模块 X 的 fan-in 很高，新功能放这里还是新建模块？」经过 3-7 轮追问后，输出 2-3 个技术方案 + 影响分析 + 可审阅的开发文档。
为什么需要技能而不是直接聊？
问题基于代码事实，不是泛泛而谈
基于图谱写代码
用 manon_search / manon_graph 写代码时自动获取精准上下文。每次 commit 后自动触发 manon_impact 分析影响传播链，输出 0-100 风险评分。
为什么需要技能而不是直接聊？
Hooks 强制图谱优先，坏模式在提交时被拦截
代码简化
扫描代码健康度，将复杂度分为三层：架构层和模块层展示面板让你选择，代码层全部自动修复 + 图谱验证（死代码删除前先确认零调用者）。
为什么需要技能而不是直接聊？
批量架构/模块/代码分析 + 图谱验证，不会误删
测试覆盖
扫描覆盖率数据，查询图谱获取实体重要性（fan-in、复杂度、中心性），生成未测代码优先级列表，写测试、跑测试、提交。
为什么需要技能而不是直接聊？
按结构重要性排序，不是随机补测
体验验证
AI Agent 像真实用户一样操作产品。支持 Web（Playwright）、CLI（Bash）、Service（curl + 日志）、Hybrid（全栈）。最多 3 轮自动修复，发布前发现真实 Bug。
为什么需要技能而不是直接聊？
真实点击、输入、读日志——不是想象
实测数据
真实项目测试，不是合成 benchmark
自举验证：Manon 用自己的技能开发自己
Manon v1.0→v1.2.4 完全通过自己的技能开发——/idea 定需求、图谱工具写代码、/dao 清理、/tc 补测试、/exp 验证上线。以下是 /dao 应用于自身代码库（93 文件，800+ 实体）的真实数据：
| 指标 | 之前 | 之后 | 变化 |
|---|---|---|---|
| 代码健康度 | 88/100 | 97/100 | +9 |
| 死代码实体 | 47 | 29 | -38% |
| 测试覆盖率 | 32% | 61% | +29pp |
/exp 在发布 /idea 技能前用 Playwright 进行 3 轮测试，发现 4 个真实 Bug（API 响应解析错误、Windows GBK 编码崩溃、符号过滤器过严、中文查询崩溃）——全部在上线前修复。
四个图谱查询工具
单次 MCP 调用完成原生工具 7-20 次调用的任务
自然语言 → 向量嵌入 → 检索最相关实体，沿图谱边展开关联。解决「不知道关键词」的问题。
最佳场景：探索性搜索、新人 onboarding
方向性遍历（调用者 / 被调用者 / 双向），可配置深度。解决「改这个函数会影响哪里」的问题。
最佳场景：改代码前影响评估、追踪数据流
服务端 LLM 迭代查询，自动识别信息缺口并补充，一次调用覆盖跨模块架构问题。
最佳场景：跨模块架构理解、复杂依赖分析
解析 diff → 提取变更符号 → 沿调用边追踪 2 跳 → 计算风险评分（0-100）。即时 CI/CD 门控。
最佳场景：code review、CI/CD 门禁
工具选择决策树
├── 找代码（不知道关键词）→ manon_search
├── 找代码（知道精确关键词）→ Grep
├── 查调用关系 / 依赖 → manon_graph
├── 理解跨模块架构 → manon_deep_query
├── 评估 commit 影响 → manon_impact
├── 改代码前 → search + graph
└── 简单文件查找 → Glob
代码健康度评分（8 维度）
开箱即用
安装完成后重启编辑器，输入 /manon 激活
安装
# macOS / Linux
git clone https://github.com/brandonzyy/manon.git
cd manon && bash install.sh
# Windows
install.bat
自动检测编辑器、安装依赖、注册账号、配置 MCP
初始化
/manon
# 在 Claude Code 中激活
manon_init
manon_setup_hooks
manon_code_health
构建知识图谱、安装 hooks、获取健康评分基线
自动运转
git push → 图谱自动更新
git commit → manon_impact 自动触发
/idea → /dao → /tc → /exp
之后零操作，所有工具和技能自动可用
语言支持
专用解析器（深度提取：符号、调用、导入、继承、路由）
通用解析器（符号 + 导入，tree-sitter 自动下载）