Jakedismo/codegraph-rust

它解决了什么问题

AI 编码助手常常难以理解代码库的整体架构，依赖于简单的关键词搜索或逐个读取文件。这导致了高 token 消耗，并且缺乏对代码不同部分之间关系的深层结构理解。

它如何工作

CodeGraph 将代码库转换为语义可搜索的知识图谱。它结合了抽象语法树（AST）解析、语言服务器协议（LSP）解析和嵌入技术，来映射函数调用、依赖关系和数据流等关系。

它提供了三种索引层级——fast、balanced 和 full，允许用户在索引速度和图谱丰富度之间进行权衡。系统采用混合搜索方法（结合向量相似性、词法搜索和图遍历）来检索上下文。这些数据随后通过四个专用工具（agentic_context、agentic_impact、agentic_architecture 和 agentic_quality）提供给 AI 代理，这些工具使用推理循环（如 ReAct 或 LATS）来合成答案，而不仅仅是返回原始搜索结果。

适合谁

使用 AI 编码助手（如 Claude Code 或 Cursor）的开发者，希望为其代理提供对项目架构和依赖关系更深层次、结构性的理解。

主要亮点

• 知识图谱集成：超越简单的嵌入，映射实际的代码关系（例如，谁调用了谁）。
• 分层索引：根据对速度与分析深度的需求，提供灵活的索引级别。
• 代理工具：提供高层次的工具，用于影响分析、架构概览和质量评估。
• 上下文溢出保护：自动管理 token 预算和片段，防止 LLM 上下文窗口溢出。
• 混合搜索：结合语义向量搜索、精确关键词匹配和图遍历。