code-review-graph：基于代码知识图谱的AI代码评审上下文优化工具
一、code-review-graph 是什么
code-review-graph 是一款开源、本地优先构建代码知识图谱的工具，依托 Tree-sitter 解析代码抽象语法树（AST），自动梳理项目内代码依赖关系。
核心目标解决 Cursor、Claude Code、Copilot 等AI编程工具痛点：传统模式直接加载整个仓库代码造成大量Token浪费，评审效率低下。
工具会分析代码变更爆炸半径，筛选变更真正关联的最小代码片段，向AI提供精准上下文，降低Token消耗，同时提升代码审查、重构、架构分析质量。项目采用MIT开源协议，基于Python开发，所有图谱数据本地存储，默认不上传源码至第三方服务器。
二、功能特色
变更影响范围分析（爆炸半径计算）
修改文件后自动追溯直接、间接代码依赖，筛选最小关联文件集合，剔除无关代码，大幅减少送入大模型的上下文。多语言AST解析
原生支持Python、JavaScript/TypeScript、Go、Rust、Java、C/C++、PHP、Terraform等主流编程语言，支持通过languages.toml配置扩展新语言，针对PHP提供Laravel框架专项语义解析。增量图谱构建
首次执行全库索引，文件变更、Git提交触发增量更新，无需重复解析整个项目，千文件级别项目增量更新耗时通常低于2秒。混合检索系统
融合FTS5全文关键词检索 + 向量嵌入语义检索；兼容OpenAI、Gemini、Voyage、本地sentence-transformers向量模型，按需选用。架构可视化与分析
使用Leiden算法实现模块社区聚类，自动识别系统架构枢纽、代码耦合问题、缺乏测试的热点代码；支持导出D3交互式图谱、GraphML、SVG、Cypher脚本，兼容Obsidian知识库导入。MCP协议原生支持
内置MCP服务，可无缝对接Cursor、Claude Code、Windsurf、Zed等主流AI编辑器，编辑器内直接调用图谱数据完成智能代码评审。自动化CI集成
提供GitHub Action，支持在PR阶段自动执行代码风险检测，生成评审意见，可配置高风险变更阻断合并流程。辅助代码重构
实现死代码扫描、函数/类重命名影响预览，辅助开发者安全开展代码重构工作。过滤机制
支持.code-review-graphignore配置文件自定义忽略目录，自动跳过Git ignore内文件，减少无效索引。
三、技术细节
底层解析引擎：Tree-sitter，生成代码AST，提取类、函数、导入语句作为图谱节点；函数调用、类继承、模块依赖作为图谱边。
数据存储：本地SQLite数据库
graph.db持久化存储图谱，无需部署外部数据库，开箱即用。核心算法
图遍历算法：实现依赖正向、反向链路检索，计算变更爆炸半径；
Leiden社区检测算法：用于代码模块聚类，识别架构边界；
FTS5内置全文检索，向量嵌入为可选模块。
通信协议：MCP（Model Context Protocol），作为AI编辑器与图谱引擎中间通信标准。
运行模式
CLI模式：手动执行构建、检索、可视化命令；
Daemon守护进程：后台常驻，同时监控多个代码仓库，持续维护最新图谱；
项目技术栈：主体Python，配套少量TypeScript辅助前端可视化组件。
四、应用场景
AI代码评审：Cursor、Claude Code本地开发，优化上下文，降低Token开销，提升评审准确度；
大型单体项目架构梳理：新人快速熟悉模块依赖，识别不合理耦合；
Pull Request风险评估：CI流水线自动分析改动波及范围，预判潜在缺陷；
代码重构前期调研：查询函数/类修改带来的连锁影响；
项目技术债务排查：定位无测试覆盖的核心代码、冗余死代码；
知识库沉淀：导出图谱数据导入Obsidian，搭建项目代码文档。
五、使用方法
1. 安装
# 基础安装 pip install code-review-graph # 如需向量检索完整功能 pip install code-review-graph[embeddings] # 全功能安装 pip install code-review-graph[all]
2. 基础命令
# 自动识别编辑器并配置MCP接入 code-review-graph install # 在项目根目录构建代码图谱 code-review-graph build # 监听文件变化，自动增量更新图谱 code-review-graph watch # 启动可视化图谱页面 code-review-graph visualize # 分析当前代码变更影响范围 code-review-graph detect-changes
3. 基础流程
项目根目录执行
build初始化图谱；编辑器运行
install完成MCP对接；日常开发开启
watch保持图谱实时更新；发起代码评审时，AI工具自动调用图谱获取关联代码。
六、竞品对比
选取2款同赛道代码上下文/代码图谱工具进行横向对比
| 工具名称 | code-review-graph | Aider Code Map | Sourcegraph OSS |
|---|---|---|---|
| 核心定位 | 面向AI代码评审，精简LLM上下文 | 通用AI编程辅助代码索引 | 全局代码语义搜索平台 |
| 部署方式 | 本地单机运行，SQLite内置存储 | 本地运行，轻量索引文件 | 需要独立服务部署，资源占用高 |
| 原生MCP支持 | ✅ 内置MCP协议 | ❌ 无原生MCP | ❌ 需要额外API封装 |
| 变更爆炸半径分析 | ✅ 核心内置能力 | ❌ 仅基础文件检索 | ❌ 不支持自动影响范围推演 |
| 适用场景 | Cursor/Claude本地开发、PR评审 | 轻量AI代码补全辅助 | 团队大规模代码检索、企业搜索 |
| 资源开销 | 低，增量更新机制 | 低 | 较高，长期占用服务器资源 |
| 开源协议 | MIT | MIT | Apache 2.0 |
七、常见问题解答
Q：小型项目（几百行代码）使用code-review-graph能获得收益吗？
A：极小单文件项目优势不明显，图谱元数据会小幅增加Token；更适合多文件、存在复杂依赖的中小型、大型项目。
Q：工具是否会自动上传我的源代码到外部服务器？
A：默认所有图谱数据与源码解析过程完全本地执行，不存在后台上传行为；仅当手动启用云端向量嵌入服务时，才会向对应大模型服务商发送向量文本，可关闭向量功能做到完全离线。
Q：支持Windows系统使用吗？会出现MCP连接失败问题如何处理？
A：支持Windows系统；出现连接报错，需要设置完整程序路径并开启系统UTF-8编码环境变量。
Q：代码依赖分析结果出现多余无关文件（假阳性），怎么解决？
A：图遍历策略优先保证不漏掉风险代码，因此存在少量假阳性；可以通过配置文件设置依赖遍历最大深度，限制扩散范围，减少无关文件输出。
Q：能否同时管理多个不同代码仓库？
A：支持，启动crg-daemon守护进程，即可后台监控多个仓库，独立维护各自图谱。
Q：Tree-sitter不支持的小众编程语言该如何接入？
A：可编辑languages.toml配置文件，添加对应语言Tree-sitter解析器配置，无需修改项目源代码。
八、相关链接
九、总结
code-review-graph通过Tree-sitter构建本地代码知识图谱，创新性引入变更爆炸半径分析解决AI编程工具上下文冗余痛点，依托MCP协议无缝接入当下主流AI代码编辑器，兼顾离线隐私、低资源消耗与代码评审实用性，不管是个人开发者日常本地编码，还是CI流水线自动化PR风险检测，都能够有效缩减大模型Token消耗，提升代码审查与架构分析的工作效率。
版权及免责申明：本文由@97ai原创发布。该文章观点仅代表作者本人，不代表本站立场。本站不承担任何相关法律责任。
如若转载，请注明出处：https://www.aipuzi.cn/ai-news/code-review-graph.html
