tirth8205/code-review-graph

解决的问题

AI 编码助手在代码审查过程中，常常因重新读取整个代码库或扫描大量无关文件而浪费大量 token，导致精度下降。code-review-graph 通过为 AI 助手提供精确的代码库结构化地图，确保其仅读取实际受变更影响的文件，从而显著减少 token 浪费。

工作原理

该工具使用 Tree-sitter 将仓库解析为抽象语法树（AST），然后将其存储为节点（函数、类、导入等）和边（调用、继承、测试覆盖率等）构成的图结构。

当文件发生变更时，系统会执行「爆破半径分析」（blast-radius analysis），追踪所有可能受影响的调用者、依赖项和测试。此最小文件集随后通过 Model Context Protocol (MCP) 提供给 AI 助手，使 AI 只关注相关上下文，而非整个代码库。

适用人群

• 开发者：使用 Cursor、Claude Code、Windsurf、Zed 等 AI 编码工具，希望降低 token 成本并提高审查准确性的用户。
• DevOps/CI 工程师：希望将风险评分的 PR 审查集成到 GitHub Actions 流水线中，以识别受影响的执行流程和测试缺口的用户。

核心亮点

• 大幅减少 token 使用：相比整个代码库基线，单次问题平均 token 减少约 65 倍。
• 跨平台集成：自动检测并配置 Cursor、Zed、Continue 和 GitHub Copilot 等多种平台的 MCP。
• 广泛语言支持：支持 Python、JS/TS、Go、Rust、Java、C++ 等多种语言，以及 Jupyter/Databricks 笔记本。
• 增量更新：仅重新索引变更的文件，使大型项目更新可在数秒内完成。
• 本地优先 CI：GitHub Action 在 CI 运行器上完全本地构建和查询图结构，确保源代码不会离开环境。