Repoyank：安全高效的代码片段提取工具，为 LLM 准备上下文而生

随着大语言模型（LLM）在软件开发中的广泛应用，开发者需向AI助手提供代码上下文，但传统方法存在安全（敏感数据暴露）和效率（手动复制低效、自动工具混入无关代码）问题。Repoyank是一款CLI工具，通过本地交互式选择、结构化输出，让开发者安全精准地为LLM准备上下文，保持对数据的完全控制。

现代开发者使用LLM进行代码审查、bug修复等任务时需提供相关上下文。传统方法包括手动复制粘贴（效率低、易遗漏关键依赖）、上传整个文件（敏感信息风险）、IDE插件自动提取（无关代码多）。Repoyank旨在解决这些痛点，让开发者完全控制上下文。

Repoyank核心特性是终端交互式选择界面，开发者可浏览代码库，选择文件、函数、自定义代码块等多粒度内容。实时显示行数、字符数统计，帮助控制范围，特别适合大型代码库，避免无关代码混入。

选中代码会自动格式化，包括添加文件路径注释、保持缩进、处理多文件组织，支持纯文本、Markdown代码块等多种输出格式。结构化输出帮助LLM理解多文件依赖关系，优化提示效果。

Repoyank采用本地优先架构，所有处理在本地完成，无自动上传远程服务。开发者完全控制代码分享范围，适合企业敏感代码库，可筛选安全代码分享，保留敏感部分本地处理。

Repoyank适用于多种场景：代码审查时提取待审函数及依赖；调试时提取错误相关代码；学习新库时提取关键模块；开源贡献者提取最小复现代码；技术写作提取示例代码等。

相比手动复制，提供结构化可重复流程；相比IDE插件更轻量，不依赖特定环境；相比自动工具给予用户完全控制权。适合重视安全、需精确控制上下文的场景。

Repoyank未来可扩展支持更多输出格式和LLM平台，集成语义分析自动建议相关代码，添加代码压缩适配上下文限制，支持团队协作共享配置。代表AI辅助开发工具在利用LLM同时保持开发者控制权的方向。