Jakedismo/codegraph-rust

何を解決するか

AIコーディングアシスタントは、コードベースの全体的なアーキテクチャを理解するのに苦労しがちであり、単純なキーワード検索やファイルを1つずつ読み込むことに依存しています。これにより、トークン消費が高くなり、コードの異なる部分が互いにどのように関連しているかについての深い構造的理解が欠如します。

仕組み

CodeGraphはコードベースを意味的に検索可能な知識グラフに変換します。抽象構文木（AST）パース、Language Server Protocol（LSP）解決、および埋め込みを組み合わせることで、関数呼び出し、依存関係、データフローなどの関係をマッピングします。

fast、balanced、full の3つのインデックス層を提供し、インデックスの速度とグラフの豊かさのトレードオフをユーザーが選べます。システムは、ベクトル類似性、語彙検索、グラフ走査を組み合わせたハイブリッド検索アプローチを使用してコンテキストを取得します。このデータは、4つの専門的なツール（agentic_context、agentic_impact、agentic_architecture、agentic_quality）を介してAIエージェントに提供され、ReActやLATSのような推論ループを使用して、単なる検索結果の返却ではなく、答えを合成するようになっています。

対象ユーザー

Claude CodeやCursorなどのAIコーディングアシスタントを使用している開発者で、エージェントにプロジェクトのアーキテクチャや依存関係についてより深い構造的理解を提供したい人です。

特徴

• 知識グラフの統合: 実際のコード関係（例：誰が何を呼び出しているか）をマッピングすることで、単純な埋め込みを越えます。
• 階層的インデックス: 速度と分析の深さのニーズに応じた柔軟なインデックスレベル。
• エージェントツール: 影響分析、アーキテクチャ概要、品質評価のための高レベルツールを提供。
• コンテキストオーバーフロー保護: 自動的にトークン予算とスニペットを管理し、LLMのコンテキストウィンドウのオーバーフローを防止。
• ハイブリッド検索: 意味的なベクトル検索と正確なキーワードマッチング、グラフ走査を組み合わせます。