Jakedismo/codegraph-rust

해결하는 문제

AI 코드 보조 도구는 코드베이스의 전반적인 아키텍처를 이해하는 데 어려움을 겪으며, 단순한 키워드 검색이나 파일 하나씩 읽는 방식에 의존합니다. 이로 인해 토큰 소비가 많아지고, 코드의 다양한 부분이 서로 어떻게 연결되어 있는지에 대한 깊이 있는 구조적 이해가 부족해집니다.

작동 방식

CodeGraph는 코드베이스를 의미적으로 검색 가능한 지식 그래프로 변환합니다. 추상 구문 트리(AST) 분석, 언어 서버 프로토콜(LSP_) 해결 및 임베딩을 결합하여 함수 호출, 종속성, 데이터 흐름과 같은 관계를 매핑합니다.

fast, balanced, full 세 가지 인덱싱 레벨을 제공하여 인덱싱 속도와 그래프의 풍부함 사이에서 균형을 맞출 수 있습니다. 시스템은 벡터 유사성, 어휘 검색, 그래프 탐색을 결합한 하이브리드 검색 방식을 사용하여 컨텍스트를 검색합니다. 이 데이터는 AI 에이전트에게 네 가지 전용 도구(agentic_context, agentic_impact, agentic_architecture, agentic_quality)를 통해 제공되며, 단순히 원시 검색 결과를 반환하는 것이 아니라 ReAct 또는 LATS와 같은 추론 루프를 사용하여 답변을 통합합니다.

대상 사용자

Claude Code 또는 Cursor와 같은 AI 코드 보조 도구를 사용하는 개발자들로, 자신의 에이전트가 프로젝트 아키텍처와 종속성에 대해 더 깊이 있고 구조적인 이해를 갖도록 하고 싶은 경우에 적합합니다.

주요 특징

• 지식 그래프 통합: 단순한 임베딩을 넘어서 실제 코드 관계(예: 누가 무엇을 호출하는지)를 매핑합니다.
• 계층적 인덱싱: 속도와 분석의 깊이 사이에서 필요에 따라 유연한 인덱싱 수준을 제공합니다.
• 에이전트 도구: 영향 분석, 아키텍처 개요, 품질 평가를 위한 고수준 도구를 제공합니다.
• 컨텍스트 오버플로 방지: 자동으로 토큰 예산과 스니펫을 관리하여 LLM 컨텍스트 창 오버플로를 방지합니다.
• 하이브리드 검색: 의미적 벡터 검색과 정확한 키워드 매칭, 그래프 탐색을 결합합니다.