预索引代码知识图谱,让Claude Code/Cursor/Codex直接查询结构化知识,减少80% Token消耗,100%本地运行,MIT开源免费使用。

CodeGraph 是一个本地优先的代码智能工具,由 colbymchenry 开发,于2026年5月开源并迅速冲上GitHub趋势榜。
传统AI编程助手每次需要把大量代码上下文塞进对话框,Token消耗巨大且响应慢。CodeGraph 的核心思路是:提前把代码库解析成结构化知识图谱,AI Agent需要时直接查询,而不是每次都重新读取全量代码。


核心定位:用预构建的知识图谱替代实时代码检索,让AI编程Agent的每一次查询都精准、快速、省钱
✨ 核心功能一览

️ 快速上手:5分钟跑通示例
安装
# 方式1:npx 直接运行(推荐)
npx @codegraph/cli init
# 方式2:全局安装
npm install -g @codegraph/cli
codegraph init
# 方式3:Python 版本
pip install codegraph-py
codegraph init
初始化索引(以 Python 项目为例)
# 进入你的代码库目录
cd /path/to/your/repo
# 初始化 CodeGraph(自动检测语言,生成索引)
npx @codegraph/cli init
# 等待索引完成(大型项目可能需要几分钟)
# 索引保存在 .codegraph/ 目录,可加入 .gitignore
与 Claude Code 集成(零配置)
初始化后,Claude Code 会自动检测 .codegraph/ 目录并启用知识图谱查询。无需任何手动配置。
# 在 Claude Code 中直接提问:
"分析 login 函数的调用链路,找出所有受影响的API端点"
# CodeGraph 会自动:
# 1. 查询知识图谱中的符号关系
# 2. 只返回相关代码片段(而非全量上下文)
# 3. Token 消耗减少 80%+
注意:索引只需生成一次,后续代码变更会自动增量更新,无需重新全量索引
与竞品对比

适用场景
场景1:大型代码库导航

功能说明:当代码库超过10万行时,传统RAG需要把所有相关文件塞进上下文。CodeGraph通过预构建的符号调用图,让AI直接定位到目标函数及其上下游依赖。
输入要求:代码库(支持 Python/TypeScript/Go/Rust 等19+语言)
输出效果:相关代码片段(通常
适用场景:
- • 新入职开发者快速理解遗留代码库
- • 重构前影响面分析
- • 定位 Bug 根因(通过调用链回溯)
场景2:AI Agent 多轮对话

功能说明:多轮对话中,传统方案每轮都要重新加载上下文。CodeGraph通过持久化知识图谱,让Agent在对话过程中持续积累代码理解,避免重复检索。
输入要求:对话式编程任务(如"帮我实现XX功能")
输出效果:Agent响应速度提升3-5倍,对话成本降低70%+
适用场景:
- • 复杂功能迭代开发
- • Code Review 辅助(快速定位改动影响面)
- • 自动化重构任务
场景3:多工具统一接入

功能说明:同一套代码索引,同时服务Claude Code、Cursor、Codex CLI、Gemini CLI等多个AI编程工具。通过标准MCP协议暴露,一次索引,处处可用。
输入要求:生成一次索引(.codegraph/目录)
输出效果:所有接入MCP的AI工具都能查询同一份知识图谱
适用场景:
- • 团队统一使用多款AI编程工具
- • 个人在不同项目间切换工具
- • CI/CD集成(自动化代码分析)
用户群体总结
- • ✅ 大型项目开发者:代码库>5万行,传统RAG太慢太贵
- • ✅ AI Agent 重度用户:每天用Claude Code/Cursor,Token消耗是主要成本
- • ✅ 团队技术负责人:统一团队AI编程基础设施,提升整体效率
- • ✅ 开源项目维护者:帮助Contributors快速理解项目架构
- • ❌ 小型项目(
发表评论 取消回复