【GitHub每日速递 20260603】代码探索狂飙77%！CodeGraph给Claude/Cursor装“语义大脑”，94%减少工具调用还100%本地

AI_Tech
0 阅读7分钟

代码探索狂飙77%！CodeGraph给Claude/Cursor装“语义大脑”，94%减少工具调用还100%本地

codegraph 是一个基于AI的代码可视化分析工具。简单讲，它能自动把复杂的代码库变成清晰的图表，帮你快速看懂项目结构和函数调用关系。适用人群：开发者、技术负责人、需要快速理解大型代码库的程序员。

项目地址：GitHub - colbymchenry/codegraph: Pre-indexed code knowledge graph for Claude Code, Codex, Gemini, Cursor, OpenCode, AntiGravity, Kiro, and Hermes Agent — fewer tokens, fewer tool calls, 100% local · GitHub

主要语言：TypeScript

stars: 3.2k

1​

仓库基本信息

  • 名称：CodeGraph
  • 功能定位：为Claude Code、Cursor、Codex、OpenCode等工具提供语义代码智能，以提升代码探索和开发效率。
  • 技术栈：基于Node.js，使用tree-sitter进行代码解析，数据存储在本地SQLite数据库。
  • 兼容性：支持Windows、macOS、Linux系统，兼容Claude Code、Cursor、Codex CLI、opencode等工具。
  • 许可证：MIT许可证

核心优势

  • 高效性能：通过预索引知识图，大幅减少工具调用次数，加快代码探索速度。根据基准测试，平均可减少92%的工具调用，提速71%。
  • 多语言支持：支持19种以上的编程语言，包括TypeScript、JavaScript、Python、Go、Rust等。
  • 框架感知：能够识别13种Web框架的路由文件，并将URL模式与处理程序关联起来。
  • 本地运行：所有数据都在本地处理，无需API密钥和外部服务，保障数据安全。
  • 自动同步：利用操作系统的文件事件自动同步代码更改，保持知识图的实时更新。

关键特性

  • 智能上下文构建：通过一次工具调用即可返回入口点、相关符号和代码片段，避免使用昂贵的探索代理。
  • 全文搜索：借助FTS5实现快速的代码名称搜索。
  • 影响分析：在进行代码更改之前，追踪调用者、被调用者以及符号的影响范围。
  • 实时更新：文件监视器使用操作系统的原生事件进行自动同步，无需手动配置。

快速上手

  1. 运行安装程序：使用npx @colbymchenry/codegraph命令运行交互式安装程序，根据提示配置相关代理。
  2. 重启代理：重启Claude Code、Cursor、Codex CLI或opencode等代理，使MCP服务器加载配置。
  3. 初始化项目：进入项目目录，运行codegraph init -i命令，构建项目的知识图索引。

工作原理

  1. 提取：使用tree-sitter将源代码解析为抽象语法树（AST），并提取节点和边。
  2. 存储：将提取的信息存储在本地SQLite数据库中，并支持FTS5全文搜索。
  3. 解析：解析引用关系，如函数调用、导入、类继承等。
  4. 自动同步：MCP服务器使用操作系统的文件事件监视项目，对代码更改进行增量同步。

CLI命令参考

  • codegraph：运行交互式安装程序
  • codegraph install：显式运行安装程序
  • codegraph init [path]：初始化项目（可使用-index选项同时进行索引）
  • codegraph uninit [path]：从项目中移除CodeGraph（可使用-force选项跳过确认提示）
  • codegraph index [path]：进行全量索引（可使用-force选项重新索引，-quiet选项减少输出）
  • codegraph sync [path]：进行增量更新
  • codegraph status [path]：显示索引状态和统计信息
  • codegraph query <search>：搜索符号（可使用-kind、-limit、-json选项）
  • codegraph files [path]：显示文件结构（可使用-format、-filter、-max-depth、-json选项）
  • codegraph context <task>：为AI任务构建相关代码上下文（可使用-format、-max-nodes选项）
  • codegraph affected [files...]：查找受更改影响的测试文件
  • codegraph serve --mcp：启动MCP服务器

MCP工具

当作为MCP服务器运行时，CodeGraph向Claude Code提供以下工具：

  • codegraph_search：在代码库中按名称查找符号
  • codegraph_context：为任务构建相关代码上下文
  • codegraph_callers：查找调用某个函数的代码
  • codegraph_callees：查找某个函数调用的代码
  • codegraph_impact：分析更改某个符号对代码的影响
  • codegraph_node：获取特定符号的详细信息（可选包含源代码）
  • codegraph_files：获取索引文件结构
  • codegraph_status：检查索引健康状况和统计信息

库使用示例

import CodeGraph from '@colbymchenry/codegraph';

const cg = await CodeGraph.init('/path/to/project');
// Or: const cg = await CodeGraph.open('/path/to/project');

await cg.indexAll({
  onProgress: (p) => console.log(`${p.phase}: ${p.current}/${p.total}`)
});

const results = cg.searchNodes('UserService');
const callers = cg.getCallers(results[0].node.id);
const context = await cg.buildContext('fix login bug', { maxNodes: 20, includeCode: true, format: 'markdown' });
const impact = cg.getImpactRadius(results[0].node.id, 2);

cg.watch();   // auto-sync on file changes
cg.unwatch(); // stop watching
cg.close();

配置文件

.codegraph/config.json文件用于控制索引配置：

{
  "version": 1,
  "languages": ["typescript", "javascript"],
  "exclude": ["node_modules/**", "dist/**", "build/**", "*.min.js"],
  "frameworks": [],
  "maxFileSize": 1048576,
  "extractDocstrings": true,
  "trackCallSites": true
}

应用场景

  • 代码探索：快速定位代码中的符号和相关信息，提高代码理解效率。
  • 代码更改：在进行代码修改之前，分析更改对代码库的影响，减少潜在的错误。
  • 测试自动化：通过追踪文件依赖关系，找出受更改影响的测试文件，提高测试效率。

太香了！微软官方免费AI Agent零基础入门课，18节实战教程+多语言支持，看完就能上手开发

项目地址：GitHub - microsoft/ai-agents-for-beginners: 12 Lessons to Get Started Building AI Agents · GitHub

主要语言：Jupyter Notebook

stars: 62.4k

2​

仓库核心功能

该仓库是一个面向初学者的AI Agents课程，旨在教授构建AI Agents所需的基础知识。课程涵盖了AI Agents的各个方面，包括介绍、框架探索、设计模式、工具使用、生产应用等多个主题。

代码架构特点

  • 每个课程都包含书面教程（位于README文件中）、简短的教学视频以及使用Microsoft Agent Framework和Azure AI Foundry的Python代码示例。
  • 代码示例存放在code_samples文件夹中，方便学习者参考和实践。

优势

  • 多语言支持：通过GitHub Action实现自动化翻译，支持50多种语言，方便不同地区的学习者使用。如果不需要翻译文件，可使用稀疏检出功能，加快本地克隆速度。
  • 丰富的学习资源：每个课程都配有书面教程、视频和额外的学习链接，帮助学习者深入理解相关知识。
  • 社区支持：提供Discord频道，方便学习者交流问题和经验。同时，鼓励用户提出建议、报告错误，并通过提交问题或拉取请求参与项目贡献。

应用场景

  • 初学者学习：适合对AI Agents感兴趣的初学者，帮助他们快速入门并掌握构建AI Agents的基础知识和技能。
  • 开发者参考：对于有一定编程基础的开发者，可作为参考资料，学习AI Agents的设计模式和实现方法。

学习准备

  • 学习者需要一个Azure账户，以便使用Microsoft Foundry和Azure AI Foundry Agent Service V2。
  • 课程中的代码示例使用Microsoft Agent Framework，部分示例还支持如MiniMax等OpenAI兼容的提供商。具体配置细节可参考Course Setup。

课程内容

课程包含多个主题，每个主题都有对应的书面教程、视频和额外学习资源，具体如下：

  • Intro to AI Agents and Agent Use Cases：介绍AI Agents及其应用场景。
  • Exploring AI Agentic Frameworks：探索AI Agent框架。
  • Understanding AI Agentic Design Patterns：理解AI Agent设计模式。
  • Tool Use Design Pattern：工具使用设计模式。
  • Agentic RAG：Agentic RAG相关内容。
  • Building Trustworthy AI Agents：构建可靠的AI Agents。
  • Planning Design Pattern：规划设计模式。
  • Multi-Agent Design Pattern：多Agent设计模式。
  • Metacognition Design Pattern：元认知设计模式。
  • AI Agents in Production：AI Agents在生产环境中的应用。
  • Using Agentic Protocols (MCP, A2A and NLWeb) ：使用Agent协议。
  • Context Engineering for AI Agents：AI Agents的上下文工程。
  • Managing Agentic Memory：管理Agent记忆。
  • Exploring Microsoft Agent Framework：探索Microsoft Agent Framework。
  • Building Computer Use Agents (CUA) ：构建计算机使用代理。
  • Securing AI Agents：保障AI Agents的安全。

此外，还有一些课程正在筹备中，如“Deploying Scalable Agents”和“Creating Local AI Agents”。

原文：mp.weixin.qq.com/s/faJuAbWf9…

欢迎关注g*h：AI Tech研习社

关注g*h，后台回复【OpenClaw完全使用手册】，领取OpenClaw完全使用手册.pdf学习资料，更多学习资源敬请期待。

avatar
文章
阅读
粉丝