TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
GitIngest 開源實測：儲存庫變 LLM 純文字，私有專案走本機 CLI
GitIngest 是開源、MIT 授權的 GitHub 儲存庫轉文字工具，網頁版貼上網址幾秒就能產出目錄樹加全文的 LLM 摘要；實測發現每份摘要都會存到不需登入的公開 CDN 網址，私有儲存庫依原始碼也走同一條路，私有或敏感程式碼建議改用本機 CLI，限制更寬、零遙測、程式碼不出門。
用 AI 摘要這篇文章：
把一個 GitHub 儲存庫貼進 gitingest.com，幾秒內就有一份 460 個檔案、估計 385.6k tokens 的純文字摘要，目錄樹和每個檔案的完整內容都在裡面，直接就能塞進 Claude 或 ChatGPT 的上下文。這是 GitIngest 做的事，開源、MIT 授權，網頁版免登入。不過在實測的過程裡，有個行為比「快」更值得先講：這份摘要不只給你看，它還會被放到一個不需要登入的公開網址上，而且依原始碼的寫法，這條路對私有儲存庫沒有例外。
先說工具本身。GitIngest 在 2024 年 11 月由法國開發者 Romain Courtois 開源，專案描述一句話講完：把 GitHub 網址裡的 hub 換成 ingest，就能拿到整個程式碼庫的提示友善文字檔（prompt-friendly extract）。星光不算小，GitHub 上有超過 15,000 顆星、1,100 多個 fork。它有三個使用表面：gitingest.com 網頁版、pip 裝的命令列工具，以及 Chrome、Firefox 兩家商店都上架的瀏覽器擴充。三個表面共用同一套 Python 引擎，體驗與邊界卻差很多。
貼上網址，幾秒拿到目錄樹加全文的純文字
網頁版的使用方式沒有門檻：首頁貼上儲存庫網址，按 Ingest，等結果。我拿 tom-draper/api-analytics 這個中等規模的專案實測，從送出到 API 傳完整摘要，3.2 秒；這次命中站方快取，冷提取會更久。
產出的格式是給 LLM 設計的，結構固定三層。開頭是統計摘要，列出儲存庫名稱、commit 編號、分析的檔案數、估計 token 數；接著是目錄樹，純文字的樹狀圖把整個專案結構攤開，讀模型一眼就能對照檔案之間的相對位置；最後逐檔輸出，每個檔案用一條分隔線標明檔名，後面接完整內容。餵給聊天機器人的時候不需要再整理，貼上就通。
實際輸出長什麼樣，拿測試裡的一段來看最有感覺。目錄樹部分長這樣：
Directory structure:
└── tom-draper-api-analytics/
├── README.md
├── CONTRIBUTING.md
├── LICENSE
├── analytics/
│ ├── csharp/
│ ├── go/
│ └── python/逐檔內容則是每個檔案前掛一條等號分隔線加檔名，模型讀到的邊界非常清楚，不會把兩個檔案的程式碼黏在一起解讀。
token 估計這個數字比看起來有用。餵素材給模型的第一個現實問題永遠是上下文長度預算：同樣一個專案，摘要告訴你 385.6k tokens，你就知道一次塞不進多數模型的免費上下文額度，該用篩選砍掉文件與測試資料，或者只取子目錄再分批問。摘要頁本身就是個預算表，先看數字再決定怎麼餵，比貼了才發現被截斷省事得多。子目錄提取是現成功能，GitHub 網址列到 /tree/分支/路徑 再貼進來，就只處理那個子目錄，命令列吃同樣格式的網址，儲存庫很大但你只關心一個模組時特別好用。
首頁也內建幾個好用的篩選。Exclude 欄位可以排除特定副檔名或目錄，例如把文件檔跟測試資料剔掉只留程式碼；反向的 Include 也行。檔案大小滑桿預設在 50kB，超過的檔案不會進摘要。這個預設值有個小陷阱：伺服器端的備援預設其實是 5MB，命令列版又是 10MB，三個表面三種預設，遇到大檔案被靜默略過時，記得先檢查這個欄位。
有個更快的入口是網址替換。在任何 GitHub 儲存庫頁面把網址裡的 github.com 換成 gitingest.com，直接就是該儲存庫的摘要頁，少一次貼上。實測這條路也通。首頁也內建 FastAPI、Flask、Excalidraw 等範例儲存庫，一鍵填入網址。錯誤處理相當透明，我餵了一個不存在的儲存庫，得到的錯誤訊息是 git 指令的原始輸出，連 stdin 讀不到帳號這種細節都如實奉送，除錯時不用猜。
它也不是只繞著 GitHub 轉。解析器認得 gitlab.com、bitbucket.org 這些常見的 Git 平台，連自建的 git.example.com、企業版 github.company.com 這類子網域都有對應的判斷規則；公司程式碼放在自架 GitLab 上的團隊，用 CLI 直連內部網址一樣能提取，這也再次指向同一個結論：內部程式碼走本機，別往別人的伺服器送。
每一份摘要都停在一個不需登入的公開網址
接下來是整個實測裡最該知道的一件事。
完成提取後，頁面上的 Download 按鈕指向的不是 gitingest.com 自己，而是一個 CloudFront 網址，路徑開頭是 d66xu0hf46sfg.cloudfront.net。我把這個網址在乾淨的連線環境裡直接抓，HTTP 200，完整的 1.36MB 摘要全文，不需要任何登入或憑證。路徑格式是 ingest/網域/擁有者/儲存庫/commit 編號/篩選條件雜湊/檔名.txt，同時還有一份把 .txt 換成 .json 的詮釋資料檔，同樣公開，同樣拿得到。
更有意思的是時間戳。我在 9 月底做的這次提取，拿到的檔案上次修改時間卻是 4 月 19 日，比我早五個多月，由先前某次相同條件的提取產生。也就是說這個快取是跨使用者共享的：任何人先提取過，後面的人都直接命中同一個檔案，我的請求根本沒有觸發重新 clone。實際的留存政策對外沒有文件，我能確認的下限是至少五個月，而且沒有看到任何清理機制的蹤跡。
對公開儲存庫來說，這只是快取策略，內容本來就是公開的，還順帶省了重複 clone 的成本，工程上完全合理。問題出在它對所有提取一視同仁。
四個隱私承諾都兌現了，但它們答錯了問題
網頁版支援私有儲存庫，只要在表單裡填 GitHub 個人存取權杖（PAT）。輸入框旁邊列了四個承諾：權杖不會存在後端、只用於 clone 一次、用完即從記憶體丟棄、不做瀏覽器快取、clone 下來的儲存庫處理完就刪。逐條算下來宣稱是四點，條列其實塞了五個保證，這個細節本身就值得玩味。
這些承諾在原始碼裡都成立：清理函式在處理成功與失敗兩條路徑上都會執行 shutil.rmtree，把暫存目錄整個移除；權杖也沒有落地寫入任何儲存。權杖的風險在另一層：clone 失敗時的錯誤訊息會把含憑證的完整 git clone 指令原樣包進去，指令裡的 Authorization 標頭可以還原出權杖；而透過 GET 端點呼叫時權杖是放在查詢字串裡的，這兩個位置都會進伺服器日誌。這不是理論推演，2026 年 9 月初有人開 issue 實名檢舉這件事，編號 #605，至今沒有任何維護者留言，也沒有修復。
真正沒被承諾涵蓋的，是輸出那一側。在原始碼 query_processor.py 的 _store_digest_content 函式裡，決定要不要把摘要上傳到公開 S3 的判斷只有一條：快取功能是否開啟。沒有「這是私有儲存庫所以不上傳」的例外分支。而前面的實測已經確認，線上的 gitingest.com 這個功能是開著的。兩件事放在一起，結論就是：拿 PAT 在網頁版提取私有儲存庫，產出的摘要依程式碼的路徑會落在同一個不需登入的公開網址上。網址裡有 commit 編號與兩段十六進位雜湊，不知道的人難以猜出完整路徑，但只要網址曾經出現在你的瀏覽紀錄、公司內部文件或任何日誌裡，拿到的任何人都能直接下載整包程式碼，沒有第二道鎖。這一條是程式碼層面的推論；站方有沒有在部署層另外設限，從外部看不到。
承諾沒有說謊，它們只答了「你的權杖安不安全」，而使用者該問的是「我的程式碼摘要最後存在哪」。這兩個問題的答案，一個在輸入側，一個在輸出側，隔著整條處理管線。
同一套引擎，本機跑是完整版
命令列版才是這個專案的本體。pip install gitingest 一行裝好，MIT 授權，Python 3.8 以上都能跑，整個提取過程在自己的機器上完成，不經過任何人的伺服器。官方甚至給 AI 代理寫了一份 llms.txt 整合指南，開頭就明講：網頁版是給人用的，自動化請走 CLI 或 Python 套件。
我在本機做了三輪實測，各有各的用途。拿本地目錄測的那輪：15 個 Python 檔案的資料夾，3.45 秒產出 51,476 bytes 的 digest.txt，估計 11.6k tokens。命令列可以直接吃本地路徑，這是網頁版做不到的。吃遠端儲存庫的那輪拿 GitIngest 自己的原始碼，4.78 秒，423,066 bytes，99.4k tokens。測篩選的那輪加上 -i “*.py” 只收 Python 檔，目錄樹立刻乾淨下來。
功能面上命令列版也更寬。單檔上限預設 10MB，是網頁版滑桿預設的兩百倍；.gitignore 裡的檔案預設略過，另有 –include-gitignored 與 –include-submodules 兩個開關；輸出可以用 -o – 直接進 stdout，接著管線丟給別的工具；私有儲存庫用環境變數 GITHUB_TOKEN 或 -t 參數帶權杖，權杖不出本機。它同時是個 Python 套件，from gitingest import ingest 一行就能在自己的腳本或 Jupyter 筆記本裡呼叫，拿到摘要、目錄樹、全文三個字串自行處理。
隱私面的差異同樣明確：命令列路徑沒有任何遙測，而網頁前端載了 PostHog 產品分析，資料送到歐盟的收集端點。前者適合任何程式碼，後者適合你不在意公開的內容。團隊想要網頁版的介面又不想讓程式碼出門，repo 附了 Dockerfile 可以自架在自己機房，自架版的 Sentry 錯誤追蹤預設關閉，要開才開。
想把素材變成 LLM 讀得懂的文字再餵進模型，這個工作流程跟先前介紹過的 Bili2text 把影片變逐字稿、Bili-Hardcore 把一百題測驗交給 LLM 去考，是同一種思路：先解決「模型看不到素材」這一層，再談問答品質。
三個表面怎麼選
| 使用表面 | 適合 | 限制 |
|---|---|---|
| gitingest.com 網頁版 | 公開儲存庫的快速取用、不想裝任何東西 | 摘要落在公開 CDN；API 每分鐘 10 次速率限制；頁面顯示裁切在 30 萬字元 |
| 命令列 pip 版 | 私有或敏感程式碼、批次處理、要管線接其他工具 | 要有 Python 環境；單檔上限 10MB、一萬檔、輸出 500MB 的引擎上限 |
| 瀏覽器擴充 | 在 GitHub 頁面上一鍵跳摘要頁 | 第三方維護；功能等同網頁版的入口 |
表裡幾個限制都值得展開一句。速率限制寫在 API 端點的裝飾器上，每分鐘 10 次，大量批次很快就會撞牆。瀏覽器顯示層的裁切是 30 萬字元，超過的部分要下載完整檔案才看得到，付費模型上下文再長也得先下載再貼。擴充功能在 Chrome 商店有 8,000 位使用者、4.9 顆星評價，不過它的原始碼在另一個第三方維護者的儲存庫裡，跟主專案不是同一個作者，安裝前值得知道自己裝的是誰的程式碼。
引擎凍著，門面還亮
最後是維護狀態，這裡的落差不小。
GitHub 上 main 分支的最後一個 commit 停在 2025 年 8 月 16 日，而且只是個機器人更新相依套件的提交；PyPI 上最新版 0.3.1 發佈於 2025 年 7 月 31 日，至今十四個月沒有新版本。原作者 cyclotruc 本人的最後一個 commit 是 2025 年 7 月 30 日，前後正好是專案從個人帳號搬進 coderamp-labs 組織的時間點（GitHub 會自動把舊網址轉到新位置，網路上的舊連結不會死），搬遷之後實質開發就停了。儲存庫頁面連的組織網站 coderamp.io 現在是一張沒有網站設定的 404 頁。十四個開著的 pull request 從 2025 年 8 月一路排到 2026 年 8 月，多為相依套件機器人更新，沒有一個被併入；2026 年 6 月到 9 月新開的 issue，包括前面講的權杖外洩，以及分支選擇參數失效這種功能級 bug，都沒有人處理。
但另一側的門面全部活著：gitingest.com 每天照常服務，我的每輪實測都通過，瀏覽器擴充照常在商店上架，README 翻成八種語言、Discord 社群連結也掛著。這種引擎凍結、服務續跑的狀態對使用者是雙面的：既有功能穩定可用，短期內沒有倒站風險的跡象，但也別期待 bug 獲得修復，用到分支選擇這類已知壞掉的功能時只會得到靜默的錯誤行為。
對開發者的實際建議可以收斂成一句話：公開的別人 repo，用網頁版最快；自己的、公司的、任何不想出現在公開網址上的程式碼，花一分鐘 pip 裝命令列版，同一套引擎，限制更寬，程式碼不出本機。日常用途其實比想像中廣：接手陌生專案前先攤平看全貌、請模型審一段自己不熟的模組、幫舊專案補文件與測試，GitIngest 負責的永遠是「把儲存庫變成模型讀得到的一疊文字」這一段。如果這類開源 AI 工具是你的工作日常，先前介紹過的開源 AI 資源清單裡還有同類專案可以對照；想拿它做自動化研究管線的話，搭配 Company Researcher 這類餵網址生報告的工具，位置剛剛好。
