tirth8205/code-review-graph

项目概览

该项目将代码库解析为存储在 SQLite 中的结构图，通过追踪调用方和依赖方来计算审查所需的最小文件集，从而减少 AI 编程助手的 Token 消耗，且全部计算在本地或 CI 运行器上完成。

项目类型

MCP · AI Agent · AI 编程

应用场景

知识问答 · 编程开发

部署方式

查看项目说明

License

MIT

适合谁

• 需要在不将源代码发送到外部服务的前提下，为 AI 编程助手提供精确代码上下文的场景。
• 需要分析文件修改对调用方、依赖项和测试产生影响的代码审查任务。

核心能力

• 使用 Tree-sitter 将代码库解析为 AST，创建由节点和边组成并存储在 SQLite 中的图。
• 追踪受文件更改影响的调用方、依赖项和测试，计算出供审查的最小文件集合。
• 公开 30 个 MCP 工具，用于向 AI 助手提供精确的代码上下文和函数。
• 通过 sentence-transformers、Google Gemini、MiniMax 或任何兼容 OpenAI 的端点提供可选的向量嵌入。
• 作为复合 GitHub Action 运行，用于发布带有风险评分的粘性 PR 审查评论。
• 自动检测受支持的 AI 编程工具，并配置其 MCP 设置。
• 通过 Tree-sitter 支持 Python、JavaScript/TypeScript、Go、Rust、Java、C/C++ 等多种语言。
• 使用 SHA-256 哈希校验在 2 秒内仅重新解析更改过的文件。

限制与风险

• 其 'recall 1.0' 影响指标是由图推导得出的且具有循环性，仅代表上限值。
• 对于琐碎的单文件编辑，图上下文的数据量可能会超过直接读取文件的数据量。
• 当前的关键词搜索质量仍需改善（MRR 为 0.35）。

如何开始

• 可通过 pip/pipx 进行单命令安装，并自动配置受支持的平台，首次成功路径为：pip install code-review-graph -> code-review-graph install -> code-review-graph build。

核验依据

• GitHub 项目简介: 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 rev…
• README: One command sets up everything. `install` detects which AI coding tools you have, writes the correct MCP configuration for each one, installs platform-native hooks/skills where su…
• Release: v2.3.7
• README: https://pypi.org/project/code-review-graph/
• README: Your repository is parsed into an AST with Tree-sitter, stored as a graph of nodes (functions, classes, imports) and edges (calls, inheritance, test coverage), then queried at rev…

内容核验时间：