Rune：为 AI 编程助手提供持续代码理解的运行时

Rune 是一款面向 AI 编程助手设计的「软件智能运行时」（Software Intelligence Runtime），由独立开发者在 Hacker News 发布。它通过持续监听代码变更、维护可追溯的事实图谱，让 Cursor、Claude Code、Codex 等 AI 客户端每次启动会话时，都能直接获得最新的代码结构理解，无需重复扫描整个仓库。

核心特性：为何需要 Rune

当前的 AI 编程助手普遍存在一个共性问题：每次会话都要「冷启动」读取代码库，会话结束后上下文随即丢失，且不同客户端各自维护一套独立的代码理解，难以保持一致。Rune 将这部分「理解工作」从 AI 客户端中抽离出来，沉淀到一个共享的后台运行时中：

• 持续更新：通过 rune watch 实时监听文件改动，自动重建理解图谱，而不是依赖用户手动触发扫描。
• 跨会话持久：理解结果保存在本地项目中，任何 AI 客户端接入后都能立即获得。
• 共享一致：同一套图谱可被 Claude、GPT、Gemini 等多个客户端共用，避免各自推导出互相冲突的代码认知。
• 可解释：任何结论都能通过 rune explain 命令追溯到具体文件与行号，而非黑盒输出。
• 只读、不改源码：Rune 严格定位在「理解与建议」侧，绝不直接修改代码，这一边界被作者视为其差异化护城河。

工作原理：事实层与推导层

Rune 内部将代码信息划分为两层：

• 事实（Fact）：直接从源码中抽取的原始证据，例如「import react」出现在 UserCard.jsx 第 1 行。
• 推导（Derived）：基于多个事实归纳出的高层结论，例如「这是一个名为 UserCard 的 React 组件」。

每一项推导结论都会记录所依据的全部事实 ID，用户或 AI 客户端可通过 rune_explain MCP 工具或 rune explain <id> 命令查看完整证据链。文中给出的样例输出显示，对一个 React 函数组件的解释会包含 kind、id、type、file、line、name、evidence 等字段，最终引用匹配到的源码原文，例如 export function UserCard({ user }) {。在仓库自带的示例项目上，4 个文件可在约 34 毫秒内完成扫描，产出 10 条事实与 4 条推导结论。

安装与快速上手

Rune 提供 npm 与 PyPI 两个发行版，功能完全对等：

• npm 包：@pypl100/rune，全局安装命令为 npm install -g @pypl100/rune。
• Python 包：north-rune，通过 pip install north-rune 安装，CLI 命令仍为 rune。

作者特别提醒：若同时安装两个版本，PATH 中只会保留先被解析到的那一个，不会按安装时间做版本识别，建议通过 which -a rune 检查，必要时使用绝对路径调用指定版本。

典型使用流程为：在项目根目录执行 rune init 完成初始化，后台运行 rune watch 保持图谱持续更新，再启动 rune serve 暴露 MCP 服务，最后将任意兼容 MCP 的客户端指向该进程即可共享同一份理解结果。文中给出的 MCP 配置示例通过 npx 调用 rune serve 指向项目绝对路径。

局限与适用场景

Rune 当前的定位相当克制——只做「读」与「建议」，不做自动写代码。配置项目前仅有 ignore 一项，用于在默认排除 node_modules、.git、dist、build 等目录的基础上补充自定义忽略路径。对于已经在使用 AI 编程助手、但希望降低重复扫描开销、获得可追溯代码引用的团队，这种「基础设施式」的运行时可以作为 Cursor 或 Claude Code 之下的补充层；但作为单一开发者项目，其生态成熟度、长期维护与社区支持仍有待观察。