code-review-graph 代码审查知识图谱

能做什么

• 用 Tree-sitter 将代码库解析为节点（函数、类、导入）和边（调用、继承、测试覆盖）构成的图，存入本地 SQLite。
• 通过 MCP 向 AI 编码工具提供查询接口，返回与问题相关的紧凑上下文，减少助手读取整个代码库。
• 提供影响范围（blast-radius）分析：文件变更后追踪可能受影响的调用方、依赖和测试。
• 支持增量更新：仅重新解析 SHA-256 哈希变化的文件，可通过编辑器钩子、git pre-commit 钩子和 watch 模式触发。
• 支持多种语言与 Jupyter/Databricks notebook 解析，并可为未覆盖语言通过 .code-review-graph/languages.toml 自定义扩展名与语法节点。
• 提供风险评分的 PR 审查 GitHub Action，可在 CI 中发布粘性评论，并可选 fail-on-risk 合并门禁。
• 附带社区检测、执行流、死代码检测、语义搜索、可视化、导出（GraphML、Neo4j Cypher、Obsidian、JSON、SVG）等功能。
• install 命令可检测并配置多种 AI 编码平台（如 Claude Code、Cursor、Windsurf、Zed、Gemini CLI、GitHub Copilot 等），写入 MCP 服务条目及钩子/技能。

适用场景

• 让 AI 编码助手在审查代码变更时只读取必要文件，而非扫描整个仓库。
• 在 CI 中对 Pull Request 进行风险评分审查并生成测试缺口提示。
• 探索代码库结构、调用链和模块耦合关系。

使用条件与限制

• 需要 Python 3.10+，通过 pip/pipx 安装并运行 CLI 构建图谱。
• 本地存储，不需要外部数据库或云服务。
• 文档承认的局限：影响“召回率 1.0”因基准真值来自同一图而属于循环上界；小型单文件变更的图上下文开销可能超过直接读文件；关键词搜索排序仍需改进；JavaScript 和 Go 的执行流检测较弱；影响分析偏保守，可能产生误报。