跳到主要内容
项目档案UI 组件库

tirth8205/code-review-graph UI 组件库:适用场景与集成方式

tirth8205/code-review-graph:code-review-graph 是为 Claude Code 等 AI 编码工具构建的本地代码知识图谱插件,通过 Tree-sitter 解本页整理它解决什么问题、适用场景、安装方式和使用方法。

31,607PythonStar 于 2026年3月19日2026年9月19日 更新

AI 总结

code-review-graph 是为 Claude Code 等 AI 编码工具构建的本地代码知识图谱插件,通过 Tree-sitter 解析代码结构、SQLite 持久化图谱并增量更新,在代码审查时计算变更影响半径,使 AI 仅读取必要文件,实现最高 49 倍 token 效率提升。

中文项目介绍

code-review-graph 是一个专为 Claude Code 等 AI 编码助手设计的本地知识图谱插件。它通过构建代码库的结构化映射,让 AI 助手在每次任务时无需重新读取整个代码库,从而显著降低 token 消耗并提升审查相关性。 传统 AI 编码工具在每次交互时都会重新扫描整个代码库以获取上下文,这导致 token 浪费严重、响应延迟高,尤其在大型项目中问题更为突出。本项目通过持久化代码结构图谱和智能上下文筛选,解决了这一效率瓶颈。 项目使用 Tree-sitter 将代码解析为抽象语法树(AST),提取函数、类、导入、调用关系等元素,构建节点与边组成的图结构并存储于 SQLite 数据库。通过监听文件编辑和 git 提交,增量引擎基于 git diff 更新图谱,确保数据实时性。 在代码审查场景中,系统计算变更的"爆炸半径"(blast radius),即所有可能受影响的调用者、依赖项和测试文件,使 AI 仅读取这些最小必要文件集。实测数据显示,该方案在代码审查中可减少 6.8 倍 token 使用,在日常编码任务中最高可达 49 倍效率提升。 适用于代码审查、日常编码、大型代码库维护等多种场景。通过 MCP(Model Context Protocol)协议,可自动配置到 Claude Code、Cursor、Windsurf、Zed、Continue、OpenCode 和 Antigravity 等主流 AI 编码平台,实现跨工具统一的知识图谱能力。

详细信息与使用说明

1. 项目定位与用途

code-review-graph 是为 Claude Code 等 AI 编码工具设计的本地知识图谱系统,定位为代码审查效率优化工具。它通过构建持久化、增量更新的代码结构图谱,为 AI 助手提供精确的上下文感知能力,使其在代码审查和日常编码任务中仅读取必要文件,而非整个代码库。核心用途是降低 token 消耗、提升审查相关性,并支持多种主流 AI 编码平台的统一集成。

2. 核心问题与解决方案

AI 编码工具在每次任务时重新读取整个代码库,导致 token 消耗巨大、响应延迟高。本项目通过三个核心步骤解决:首先使用 Tree-sitter 将代码库解析为 AST 并构建包含函数、类、调用关系等元素的图结构;其次将图谱持久化存储于 SQLite 数据库,并通过监听文件编辑和 git 提交实现增量更新;最后在审查时计算变更的"爆炸半径",确定最小必要文件集,使 AI 仅读取这些文件。实测在代码审查中减少 6.8 倍 token,日常编码最高达 49 倍效率提升。

3. 技术架构与实现

系统采用基于 MCP 协议的客户端-服务器架构,Claude Code 通过 stdio 与 MCP Server 通信。核心三组件包括:Tree-sitter 解析器提取 AST、SQLite 存储持久化图谱、增量引擎基于 git diff 更新。项目提供 22 个 MCP 工具和 5 个 MCP 提示词,覆盖构建、查询、影响分析、流程追踪、社区检测等能力。使用广度优先搜索(BFS)和递归 CTE 计算变更影响半径,确保影响分析的准确性和性能。

4. 安装与配置方式

安装要求 Python 3.10+,推荐使用 uv 以获得最佳体验。安装步骤:pip install code-review-graph 或 pipx install code-review-graph。配置方式:运行 code-review-graph install 自动检测并配置所有支持的 AI 平台;可指定平台如 code-review-graph install --platform cursor。安装程序会检测安装方式(uvx 或直接命令)并生成正确配置,完成后需重启编辑器或 AI 工具使配置生效。

5. 使用方法与工作流

在项目根目录运行 code-review-graph build 进行初始解析(约 10 秒/500 文件)。打开编辑器后,向 AI 助手提问"Build the code review graph for this project"即可触发构建。图谱会自动监听文件编辑和 git 提交,增量更新无需手动干预。进行代码审查时,AI 会自动通过 MCP 工具查询图谱,仅读取 blast radius 内的文件,实现智能上下文筛选。

6. 平台支持与扩展能力

通过 MCP 协议

思维导图

当前仓库信息不足,或结构不够稳定,暂时没有生成可靠的思维导图。

常见问题

tirth8205/code-review-graph 是做什么的?

code-review-graph 是为 Claude Code 等 AI 编码工具构建的本地代码知识图谱插件,通过 Tree-sitter 解析代码结构、SQLite 持久化图谱并增量更新,在代码审查时计算变更影响半径,使 AI 仅读取必要文件,实现最高 49 倍 token 效率提升。

tirth8205/code-review-graph 适合用在什么场景?

code-review-graph 是为 Claude Code 等 AI 编码工具设计的本地知识图谱系统,定位为代码审查效率优化工具。它通过构建持久化、增量更新的代码结构图谱,为 AI 助手提供精确的上下文感知能力,使其在代码审查和日常编码任务中仅读取必要文件,而非整个代码库。核心用途是降低 token 消耗、提升审查相关性,并支持多种主流 AI 编码平台的统一集成。

tirth8205/code-review-graph 如何安装?

安装要求 Python 3.10+,推荐使用 uv 以获得最佳体验。安装步骤:pip install code-review-graph 或 pipx install code-review-graph。配置方式:运行 code-review-graph install 自动检测并配置所有支持的 AI 平台;可指定平台如 code-review-graph install --platform cursor。安装程序会检测安装方式(uvx 或直接命令)并生成正确配置,完成后需重启编辑器或 AI 工具使配置生效。

tirth8205/code-review-graph 如何开始使用?

在项目根目录运行 code-review-graph build 进行初始解析(约 10 秒/500 文件)。打开编辑器后,向 AI 助手提问"Build the code review graph for this project"即可触发构建。图谱会自动监听文件编辑和 git 提交,增量更新无需手动干预。进行代码审查时,AI 会自动通过 MCP 工具查询图谱,仅读取 blast radius 内的文件,实现智能上下文筛选。