tirth8205/code-review-graph
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 reviews and large-repo workflows.
Python · ★ 30,501 · Fork 2,784 · 在 GitHub 查看
在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→
GitHub Trending 上榜记录
tirth8205/code-review-graph 已在 GitHub Trending 每日榜单上榜 9 天,最高排名第 1,首次上榜 2026-07-17,最近一次上榜 2026-08-07。
| 日期 | 排名 | Star | 当日增长 |
|---|---|---|---|
| 2026-08-07 | #10 | 29,256 | +237 |
| 2026-08-06 | #10 | 28,983 | +232 |
| 2026-07-23 | #14 | 25,626 | +882 |
| 2026-07-22 | #3 | 25,259 | +1,925 |
| 2026-07-21 | #1 | 24,479 | +1,921 |
| 2026-07-20 | #1 | 22,996 | +1,876 |
| 2026-07-19 | #1 | 21,067 | +551 |
| 2026-07-18 | #6 | 20,125 | +356 |
| 2026-07-17 | #9 | 19,711 | +57 |
同期上榜的项目
- PrimeIntellect-ai/prime-agent – A self-improving RLM agent for coding workflows and long-running autonomous tasks.
- addyosmani/agent-skills – Production-grade engineering skills for AI coding agents.
- cloudflare/computer – Give your agent a computer 👾
- mattpocock/skills – Skills for Real Engineers. Straight from my .agents directory.
- obra/superpowers – An agentic skills framework & software development methodology that works.
- goauthentik/authentik – The authentication glue you need.
code-review-graph 项目深度剖析与商业评估报告
code-review-graph 项目深度剖析与商业评估报告
1. 核心定位与商业落地价值
根本痛点:AI编码工具的“上下文饥渴症” 该项目精准切入了一个被严重低估但日益尖锐的问题:AI编码工具(Copilot、Claude Code、Cursor等)在代码审查和复杂任务中的token浪费。传统RAG方案将整个代码库切块嵌入,导致AI“读太多、想太少”,在大规模monorepo中尤为突出。code-review-graph通过构建持久化的、增量更新的结构化代码知识图谱,将每次审查的token消耗降低38-528倍(中位数82倍),直接转化为API调用成本的大幅削减。
商业落地场景 企业级CI/CD审查流水线:作为GitHub Action嵌入PR流程,自动生成风险评分、影响范围和测试缺口分析,可作为合并门控(fail-on-risk),替代或增强人工Code Review。 AI编码工具的“智能上下文提供商”:通过MCP协议与Claude Code、Cursor等集成,提供精准的“爆炸半径”分析,减少AI幻觉和无关输出。 大型Monorepo治理:对拥有数千个微服务/模块的仓库(如Google、Meta内部),可识别架构耦合热点、桥接节点和知识孤岛,辅助重构决策。 知识图谱驱动的开发者入职:自动生成代码社区结构、执行流和架构概览,加速新成员理解系统。
竞品差异化与护城河 | 维度 | code-review-graph | 传统LSP | RAG/Embedding方案 | |------|------------------|---------|-------------------| | 核心机制 | AST结构图(调用/继承/导入关系) | 符号解析(类型/跳转) | 文本块相似度 | | 跨语言 | 原生支持30+语言 + 自定义扩展 | 每语言独立守护进程 | 语言无关(但丢失结构) | | 增量更新 | <2秒(SHA-256哈希+差异解析) | 部分支持 | 通常需全量重嵌入 | | 审查场景 | 爆炸半径+风险评分+执行流 | 不适用 | 高延迟、低精度 | | 隐私 | 本地优先,无外部服务 | 本地 | 通常依赖云API |
护城河:不是又一个“代码RAG工具”,而是将静态分析(Tree-sitter)与图分析(Leiden社区检测、中心性算法)深度融合,形成对代码结构的高保真建模。这种能力无法通过简单的Embedding或正则匹配复制。
2. 核心架构设计与技术深度
模块拆解思想 项目采用管道-过滤器架构,清晰分为四个独立阶段: 1. 解析层(Parser):Tree-sitter AST解析 + 自定义节点类型映射(函数、类、导入、调用) 2. 图存储层(Graph Store):SQLite存储节点和边,支持FTS5全文索引 3. 分析层(Analyzer):爆炸半径、社区检测(Leiden)、执行流追踪、中心性分析 4. 接口层(Interface):MCP Server(30个工具)、CLI、GitHub Action
在 README 中展示上榜徽章
[](https://github.fq6825.top/repo/tirth8205/code-review-graph)