🕸️ 代码知识图谱（CodeGraph）：让 AI Agent 秒懂你的代码库

CodeGraph知识图谱AI 编码 ⭐ 13,021 stars

凌晨 3 点 17 分，我盯着那个 50 万行的代码库发呆。Claude Code 已经 tool call 了 200 次，token 用掉了 80%，它还在问：「这个函数在哪里调用过？」

那一刻我明白了——AI 编码 Agent 最大的瓶颈，不是模型不够聪明，而是它不认识你的代码。就像你让一个天才去修车，但他连扳手都没见过。

什么是 CodeGraph？

CodeGraph（colbymchenry/codegraph）是 2026 年 GitHub 最火的工具之一——一个预索引的代码知识图谱，专为 Claude Code、Codex、Cursor、OpenCode 等 AI 编码 Agent 设计。

它的核心承诺：更少 token，更少工具调用，100% 本地运行。

为什么传统 RAG 不够用？

传统代码 RAG 的做法：把代码切成块 → 向量化 → 语义检索。问题是：

• 丢失了代码结构信息（类继承、函数调用关系）
• 检索结果碎片化，上下文不完整
• 每次查询都要重新理解代码库

CodeGraph 工作原理

// CodeGraph 索引流程
代码库
  ↓
AST 解析（保留完整语法树）
  ↓
知识图谱构建
  ├── 节点：文件、类、函数、变量
  ├── 边：调用、继承、引用、依赖
  └── 属性：行号、参数类型、返回值
  ↓
向量化索引（语义 + 结构混合）
  ↓
本地存储（SQLite + 向量扩展）

OpenClaw 实战集成

1. 配置 CodeGraph 作为 OpenClaw 的代码索引后端

# openclaw.yaml
code_intelligence:
  provider: codegraph
  config:
    repo_path: /path/to/your/repo
    index_mode: hybrid  # 结构 + 语义
    db_path: ~/.openclaw/codegraph.db
    languages:
      - typescript
      - python
      - go

2. Agent 查询示例

// OpenClaw Agent 通过 CodeGraph 查询
const result = await agent.queryCodeGraph({
  question: "用户认证模块中，哪个函数处理 JWT 验证？",
  depth: 2,  // 查询深度：关系跳转次数
  includeCallers: true
});

// 返回：
// - 函数：verifyJWT() in auth/jwt.ts:42
// - 调用者：3 个函数
// - 相关文件：auth/middleware.ts, config/auth.ts
// - 依赖包：jsonwebtoken@9.0

性能对比