当你让Agent执行一个任务的时候，它需要反复执行文件搜索、grep、读取源码、再继续搜索。
项目越大，这个过程越慢，也越消耗token和工具调用次数。
今天推荐的这个项目很有趣，几个月前就有的库，这几天做了次大更新，直接爆了。
降低35%的成本，降低70%的工具调用，百分百本地化使用。
3天就涨了2w多星。
它提前给项目建立索引，把代码里的符号、调用关系、文件结构和框架路由等信息组织起来，让Agent可以直接查询代码结构和调用关系，不需要反复grep和读文件。
主要解决了3个问题：
- 减少AI探索代码库时的token消耗。
- 减少工具调用次数，提高响应速度。
- 所有数据都保存在本地，不依赖外部服务。
工作原理
- 代码解析使用tree-sitter解析源码，提取函数、类、方法、调用、导入、继承等结构化信息。
- 本地存储提取后的信息会写入项目本地的SQLite数据库，默认位于.codegraph/codegraph.db，它还使用 FTS5 支持全文搜索。
- 关系解析进一步把函数调用指向具体定义，把import指向源文件，把类继承、接口实现、框架路由等关系连接起来。
- 自动同步MCP服务启动后，会监听项目文件变化，你保存代码后，它会自动增量同步索引，保持知识图谱更新。
- 工具调用暴降AI可以直接毫秒级查表，精准定位代码，大幅缩减上下文和token开销。
- 100%本地运行项目完全在本地利用SQLite和语法解析器构建代码图谱，不上传任何代码，不需要联网，不需要额外购买API Key，对企业和闭源项目极其友好。
- 自动增量更新内置原生文件监听机制，当你修改或保存代码时，它会在后台自动无感更新图谱，确保AI随时掌握最新的代码结构，不用每次手动重新扫描。
- 19+种语言、主流框架全覆盖原生支持TypeScript、JavaScript、Python、Go、Rust、Java 等19+种主流编程语言。具备框架感知能力，智能识别Next.js、Express、FastAPI等13种Web框架的路由与依赖。
- 智能影响分析，精准锁定改动可以通过一行命令追踪代码改动引发的链式反应，通过结合git diff，秒级帮你找出受影响的测试文件，实现只运行受影响的代码测试。
https://github.com/colbymchenry/codegraph
© 版权声明
文章版权归作者所有，未经允许请勿转载。
