---
title:

ChunkHound — локальная база знаний для ИИ по вашему коду

date: 2026-01-18
tags: [#ai, #llm, #mcp, #retrieval, #tools, #development ]
draft: false
---

https://github.com/chunkhound/chunkhound

ChunkHound — это локальный (код остаётся у вас на машине) инструмент, который превращает репозиторий в «базу знаний» для ИИ: умеет семантический поиск (“где у нас авторизация?”), regex-поиск (точные совпадения), и режим Code Research — “исследование” кода, которое строит структурированный отчёт про архитектуру и связи компонентов.

Выглядит очень интересно для использования в ai-ide. Это прямой аналог индексации в cursor, но OSS и локальный. По идее можно собрать и удаленный MCP для всей компании, если он понимает версионность.

Представьте, что у вас есть “умный поиск по проекту”:

  • Обычный поиск (grep/ripgrep) ищет буквы/слова.
  • Семантический поиск ищет смысл: вы пишете “проверка токена”, а он находит код, даже если там нет слова “token”.
  • Code Research — это “режим аналитика”: не просто список файлов, а объяснение, как всё устроено, с ссылками на конкретные места в коде.

Как это работает

  1. Индексация: ChunkHound сканирует проект и режет файлы на кусочки (“чанки”).
  2. Умная нарезка кода (cAST): вместо “каждые N символов” он старается не ломать структуру функций/классов. Это опирается на исследование про cAST (chunking через синтаксическое дерево).
  3. Embeddings: для каждого чанка (и для вашего запроса) строится “вектор смысла”, чтобы потом искать ближайшие по смыслу куски.
  4. Поиск:
    • семантический (по смыслу),
    • regex (точно по шаблону),
    • опционально multi-hop: он расширяет поиск “по соседним связанным темам”, чтобы собрать картину целиком (например, “auth” → хеширование пароля → сессии → логирование).
  5. Интеграция с ассистентами через MCP: ChunkHound запускается как MCP-сервер, и IDE/ассистент вызывает его инструменты.

Ключевые факты

1) Главная фишка — качество “чанков”

В RAG-системах часто всё ломается на банальном: код порезали криво → поиск находит обрывки → ИИ “понимает” неправильно. ChunkHound делает ставку на структурную нарезку cAST, что значительно улучшает качество поиска и генерации ответов.

2) “Семантика + regex” = и умно, и надёжно

Семантика хороша для “найди где тут логирование ошибок”, но иногда нужно “найди все вызовы validateUser”. Regex-поиск закрывает этот “железобетонный” сценарий и не требует ключей API.

3) Два уровня: быстрый поиск и “исследование архитектуры”

У проекта явно разделены базовый слой поиска (семантика/regex) и «оркестрация» (Code Research), которая делает многопроходное исследование и пишет отчёт.

4) Local-first — полезно для приватных репо и скорости

Проект подчёркивает “код остаётся локально”, а хранение/поиск делается через локальную БД (DuckDB плюс векторный индекс).

5) Проект живой и быстро развивается

По открытым issues видно, что ещё допиливают стабильность: решают проблемы с Ollama reranking, MCP disconnects и таймаутами на больших файлах.