code-review-graph架构深潜：从Tree-sitter AST到SQLite知识图谱的完整流水线

code-review-graph架构深潜：从Tree-sitter AST到SQLite知识图谱的完整流水线

【免费下载链接】code-review-graphLocal-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.项目地址: https://gitcode.com/GitHub_Trending/co/code-review-graph

code-review-graph 是一个本地优先（local-first）的代码智能工具：它用Tree-sitter把源码解析成 AST，再存入SQLite 知识图谱，让 AI 编程工具在代码评审时只读取真正相关的代码，把 token 消耗降低一到两个数量级。这篇文章带你深入它的完整流水线——从文件收集、AST 解析、图存储，到增量更新与影响范围分析，看看这张"代码地图"是如何一步步建成的 🗺️

为什么要给代码建知识图谱：71 倍的 token 账单

传统方式下，AI 工具评审一次改动，往往要把大半个仓库塞进上下文。以 Flask 为例：读全量代码需要143,594 tokens，而基于知识图谱的回答只要2,196 tokens——71 倍的差距 💸

code-review-graph 的答案是：不要每次都重读仓库，而是提前把代码结构画成一张图，常驻本地。评审时，直接查图。

总览架构：从仓库到评审的四段流水线

整条流水线可以概括为四个阶段：收集文件 → Tree-sitter 解析 AST → 存入 SQLite 图 → 评审时计算最小阅读集。

系统通过 CLI 和 MCP 服务器（stdio 或 localhost HTTP）两种形态对外提供服务，内置约 30 个 MCP 工具与 5 个评审提示词，可接入 Codex、Claude Code、Cursor、Windsurf、Zed、Gemini CLI 等主流 AI 编程工具。服务入口在 main.py，完整架构说明见 docs/architecture.md。

第一站：Tree-sitter AST 解析——把源码变成节点和边

一切从收集文件开始：collect_all_files()通过git ls-files拿到全部受跟踪文件，并应用.code-review-graphignore过滤规则，实现位于 incremental.py。

随后每个文件交给CodeParser.parse_file()（parser.py），由 Tree-sitter 生成 AST。解析器递归遍历语法树，按语言特定的节点类型映射表（_CLASS_TYPES、_FUNCTION_TYPES等）识别出两类信息：

• 结构节点（Node）：文件、类、函数、类型、测试函数，连同行号、语言、参数、返回类型、是否测试等属性；
• 关系边（Edge）：函数调用（CALLS）、模块导入（IMPORTS_FROM）、继承（INHERITS）、实现接口（IMPLEMENTS）、包含（CONTAINS）、测试覆盖（TESTED_BY）等十余种关系。

为了让图中每个符号都能唯一定位，code-review-graph 采用**限定名（qualified name）**方案，格式统一为「文件路径 +::+ 符号名」，例如：

/repo/src/auth.py::AuthService.login

这个设计在后续所有查询中都作为图的"主键"使用，规则详见 docs/schema.md。

第二站：SQLite 知识图谱——节点的"户籍档案"

解析出的节点与边由GraphStore.store_file_nodes_edges()持久化到 SQLite（graph.py），数据库文件为.code-review-graph/graph.db。核心表结构非常清晰：

几个值得新手注意的工程细节：

• 表上建了限定名、文件路径、边源/目标等大量索引，保证百万节点级仓库上的查询仍然飞快；
• 开启WAL 模式，更新期间读请求不阻塞；
• 每个文件节点记录SHA-256 哈希，这是第三站增量更新的钥匙 🔑

第三站：增量更新——只重解析真正变了的文件

全量构建一个 500 文件的项目大约只要 10 秒，但大仓库天天重建不现实。code-review-graph 的增量引擎（incremental.py）分四步走：

1. get_changed_files()通过git diff（也支持 SVN）找出变更文件；
2. find_dependents()在图里反查"谁 import 了这些文件"；
3. 变更文件 + 依赖文件一起重解析，其余文件通过哈希比对直接跳过；
4. 只更新 SQLite 中受影响的行。

解析阶段还会用进程池并行（默认取 CPU 核心数与 8 的较小值），一个约 3,000 文件的 django 规模项目上，两文件改动重索引约 2.5 秒。

配合 watch 模式与平台原生 hooks，保存文件时图谱会自动跟上，无需手动执行任何命令。

第四站：影响范围分析——评审时的"爆破半径"

图谱建好后，评审时发生了什么？当你修改了login()，get_impact_radius()（graph.py）会从变更符号出发，同时向两个方向扩展：

• 正向边：这个函数影响了谁（下游调用链）；
• 反向边：谁依赖这个函数（上游调用者）；

默认扩展 2 跳，并对每条路径按「边类型权重 × 深度衰减」计算加权得分，而不是朴素的 BFS，因此越近、关系越强的节点排名越高。最终得到变更的影响范围（blast radius）——AI 只读这一小撮文件，而不必扫描整个项目。

效果量化：token 节省有多大

在大仓库上效果最明显：208,821 个源 token 的代码库，每个问题只需约 3,190 tokens 的上下文。仓库自带基准测试（eval/目录）在 Flask、FastAPI、Gin、Express 等真实项目上持续回归验证冲击精度、多跳检索与 token 效率。

基准的复现方法写在 docs/REPRODUCING.md，配置示例在 eval/configs/。

上手指南：三步建好你的第一张代码知识图谱

1. 克隆仓库并安装：

git clone https://gitcode.com/GitHub_Trending/co/code-review-graph pip install code-review-graph

2. 一条命令自动检测已安装的 AI 平台并写入 MCP 配置：

code-review-graph install

3. 构建图谱：

code-review-graph build

之后打开任意 AI 助手，直接说"Build the code review graph for this project"即可。全部命令见 docs/COMMANDS.md，遇到问题查 docs/TROUBLESHOOTING.md。

总结

code-review-graph 的流水线设计堪称"本地优先"代码智能的教科书范例：

• Tree-sitter提供语言无关的 AST，解析稳健且易扩展到 40+ 语言（docs/CUSTOM_LANGUAGES.md）；
• SQLite承担持久化：节点/边双表 + FTS5 + 向量库，零运维、可离线；
• SHA-256 哈希 + 图边反查让增量更新只碰真正变化的文件；
• 加权双向扩展的影响范围算法，把"读全仓库"变成"读最小集"。

理解了这条从 AST 到知识图谱的完整链路，你就不只是会用它，还能看懂它为什么快、为什么省 token 🚀

【免费下载链接】code-review-graphLocal-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.项目地址: https://gitcode.com/GitHub_Trending/co/code-review-graph