colbymchenry/codegraph

解决的问题

AI Agent 通常通过重复读取文件、使用 grep 并手动重建调用路径来发现代码结构。这个过程缓慢、消耗 Token 且成本高昂。CodeGraph 通过为代码库中的每个符号、调用边和依赖关系提供预构建的语义知识图谱来解决此问题，允许 Agent 通过单次调用检索精准上下文，而不是逐个遍历文件。

工作原理

CodeGraph 使用 Rust 驱动的核心，在多种编程语言中执行完整的结构提取和跨文件解析。它构建一个本地索引（存储在 .codegraph/ 中），并提供一个 AI Agent 可以查询的 MCP (Model Context Protocol) 服务器。该系统包含自动同步功能，可以监控文件更改并实时更新图谱，确保索引永不过时。

适用对象

使用 Claude Code、Cursor、GitHub Copilot、Gemini 等 AI 编程 Agent 的开发者，他们希望在处理大型或复杂代码库时，减少工具调用次数、降低 Token 成本并提高 Agent 的响应速度。

亮点

• 广泛的语言支持：支持包括 TypeScript、Python、Go、Rust、Java、C#、PHP、Ruby、C/C++、Swift、Kotlin 在内的多种语言。
• 100% 本地化：图谱在用户本地机器上构建并存储。
• 性能提升：基准测试显示，与文件读取型 Agent 相比，工具调用次数显著减少（最多减少 88%），响应速度更快（最快提升 3.6 倍）。
• 精准上下文：使 Agent 无需按顺序读取每个文件即可识别调用路径和变更的影响范围 (blast radius)。
• 零配置同步：随着文件的修改、添加或删除，自动更新索引。