tirth8205/code-review-graph

Local-first code intelligence graph for MCP and CLI. Builds a persistent map of your codebase so AI coding tools read only what matters, with benchmarked context reductions on reviews and large-repo workflows.

解決的問題

AI 程式碼助手在程式碼審查過程中，經常因重新讀取整個程式碼庫或掃描大量無關檔案而浪費 token，導致精確度下降。code-review-graph 透過為 AI 助手提供精確的程式碼庫結構圖，確保其僅讀取實際受變更影響的檔案，從而大幅減少 token 浪費。

工作原理

此工具使用 Tree-sitter 將程式碼庫解析為抽象語法樹（AST），再以節點（函數、類別、匯入等）與邊（呼叫、繼承、測試覆蓋率等）所組成的圖形結構儲存。

當檔案變更時，系統會執行「爆發半徑分析」（blast-radius analysis），追蹤所有可能受影響的呼叫者、相依性與測試。此最小檔案集隨後透過 Model Context Protocol (MCP) 提供給 AI 助手，使 AI 只專注於相關上下文，而非整個程式碼庫。

適用對象

開發者：使用 Cursor、Claude Code、Windsurf、Zed 等 AI 程式碼工具，希望降低 token 成本並提升審查準確性的使用者。
DevOps/CI 工程師：希望將風險評分的 PR 審查整合至 GitHub Actions 流水線中，以識別受影響的執行流程與測試缺口的使用者。

主要特色

大幅減少 token 使用：相比整個程式碼庫基線，單一問題平均 token 減少約 65 倍。
跨平台整合：自動偵測並設定 Cursor、Zed、Continue 與 GitHub Copilot 等多種平台的 MCP。
廣泛語言支援：支援 Python、JS/TS、Go、Rust、Java、C++ 等多種語言，以及 Jupyter/Databricks 筆記本。
增量更新：僅重新索引變更的檔案，使大型專案更新可在數秒內完成。
本地優先 CI：GitHub Action 在 CI 執行器上完全本地建構與查詢圖結構，確保原始碼不會離開環境。