推荐一下Augment，是Cursor的竞品 里提到了Augment Code。之前看过几眼，主要印象是他们的上下文索引比较新奇，有没人能看出来是怎么做的？文档说他们有一套索引方式，很大的项目上传到他们的私有云索引后就能给LLM精准地提供上下文。但文档看起来不想介绍具体闭源的实现方式 
最初试用Cursor的时候他们上下文是基于RAG的，不太了解现在还是不是。他们先把整个项目里的所有文件切割并索引进向量数据库。取决于用户问题，他们的向量模型会找出数据库里语义上相关度最高的代码片段，然后把这些片段作为上下文提供给LLM。这样造成了一些问题，比如向量模型有时候找出的代码片段相关度不够高，LLM并不知道整个项目是什么样的，代码片段也包含了很多无用信息。 
Aider是通过treesitter parser解析所有文件并去除无用信息，比如只保留函数定义去除实现，然后生成repository map...