code-review-graph: 結構化代碼庫映射器，透過提供精確的 blast-radius 上下文來減少 AI token 使用量，用於程式碼審查

它解決的問題

AI 編碼助手在審查任務期間經常因重新讀取代碼庫的大部分而浪費 token 和視窗空間。code-review-graph 透過提供代碼的結構圖來減少這種浪費，確保 AI 只讀取實際受變更影響的檔案和函式。

它是如何運作的

該工具使用 Tree-sitter 將儲存庫解析為抽象語法樹 (AST)，然後將其作為節點（函式、類別、匯入）和邊緣（呼叫、繼承、測試覆蓋率）的圖存儲在 SQLite 資料庫中。

當檔案被變更時，系統會執行「blast-radius analysis」來追蹤所有可能受影響的呼叫者、依賴項和測試。然後透過 Model Context Protocol (MCP) 將這個最小檔案集提供給 AI 助手，使 AI 能夠忽略無關的檔案。該圖會以增量方式更新，僅重新解析變更過的檔案以保持索引時間低。

適合對象

使用 AI 編碼工具（如 Cursor、Claude Code、Windsurf 或 GitHub Copilot）的開發者，若希望減少 token 使用量並提升 AI 驅動程式碼審查的精確度，尤其在大型單體倉儲中。

特點

• Broad Language Support: 支援多種語言，包括 Python、JS/TS、Go、Rust、Java、C++、PHP，甚至 Jupyter/Databricks 筆記本。
• MCP Integration: 與 Model Context Protocol 原生相容，可與各種 AI 編輯器無縫整合。
• Incremental Updates: 對大型專案，僅需不到 2 秒即可重新索引變更過的檔案。
• CI/CD Integration: 包含一個 GitHub Action，可提供帶風險評分的 PR 評審，而無需將原始碼發送至外部服務。
• Custom Language Support: 允許使用者透過 languages.toml 檔案新增語言，無需 fork 專案。
• Blast-Radius Analysis: 精確識別由特定變更引起的受影響執行流程和測試缺口。 } {"summary": "一種工具，使用 Tree-sitter 和 MCP 建立代碼庫的結構圖，為 AI 助手提供精確且最小的程式碼審查上下文，顯著減少 token 浪費。"} {"title": "# code-review-graph: 結構化代碼庫映射器，透過提供精確的 blast-radius 上下文來減少 AI token 使用量，用於程式碼審查"}]}