100 期每日开源 · 100 期特别篇2026-07-19 · 早间篇◉Code Review Graphby tirth8205 · 伦敦Local-first 代码智能图谱——用 Tree-sitter AST 构建代码结构图通过 MCP 协议让 AI 编码助手只读该读的代码中位数82 倍Token 缩减30 个 MCP 工具覆盖审查、影响分析、架构发现全流程。20.2k**355**Stars82xToken 缩减30MCP 工具24编程语言MIT 开源MCP 协议Tree-sitter ASTLocal-first15 AI 平台 第 100 期里程碑从 2026 年 4 月 22 日第 001 期RuView到今天的第 100 期「每日开源」已连续运行 89 天。100 个项目、100 篇深度文章、从 WiFi 穿墙姿态估计到 AI 代码审查图谱。感谢持续关注。100期数89天100开源项目15覆盖领域 为什么值得关注AI 编码工具Claude Code、Cursor、Copilot有一个根深蒂固的问题每次执行任务时它们要么全文读取代码库浪费海量 token要么随机 grep导致遗漏关键上下文。一个 3,000 文件的 Next.js 项目完整源码可能需要 95 万 tokens——远超任何上下文窗口。Code Review Graph 的解法用 Tree-sitter AST 将代码库解析为有向属性图函数、类、导入、测试、调用关系存入本地 SQLite。AI 审查代码时通过图查询精准获取这个函数被谁调用、影响哪些测试、依赖什么模块——平均只需 2,000-3,500 tokens中位数 82 倍缩减。这个项目精准命中了 2026 年 AI 编程工具的核心矛盾模型能力越来越强但上下文利用效率没有同步提升。与其等更大的上下文窗口不如让 AI 更聪明地选择读什么。 它解决什么问题问题 1AI Code Review 读太多审查一个 PR 改动了 3 个文件但 AI 可能读取 50 个不相关文件来理解上下文。Code Review Graph 通过 BFS 影响分析只返回变更节点的直接调用者和依赖者。问题 2Token 成本高昂Claude Code 处理一个大型 monorepo 的单次任务可能消耗 50 万 tokens。82 倍缩减意味着从 50 万降至约 6,000——成本从几美元降到几美分。问题 3AI 编码工具的健忘症每次任务从零开始理解代码库。Code Review Graph 的 SQLite 图是持久化的增量更新基于 SHA-256 哈希2,900 文件 2 秒AI 的记忆跨会话保留。问题 4代码架构不可见AI 不知道项目的模块边界和依赖关系。Code Review Graph 用 Leiden 社区检测自动发现架构模块用 hub/bridge 节点分析识别关键枢纽。 基准测试数据在 6 个真实开源仓库、13 个 commit 上的测试结果仓库文件数原始 Tokens图查询 Tokens缩减倍数FastAPI~600951,0712,169528xcode-review-graph~370208,8212,49593xGin~280166,8681,99092xFlask~220125,0221,98671xExpress~250135,9553,46541xhttpx~12589,4922,43838x图查询稳定返回2,000-3,500 tokens的定向结果几乎不受项目规模影响。Next.js 日常编码任务中峰值缩减达49 倍。审查质量方面使用图谱上下文 vs 完整源码的评分对比为8.8 vs 7.210 分制——读得更少审查得更好因为噪声更少。⭐ 核心亮点️有向属性图 SQLite WAL节点代表函数/类/导入/测试边代表 CALLS/IMPORTS/INHERITS/TESTED_BY/DEPENDS_ON 等关系。单文件.code-review-graph/graph.db存储WAL 模式支持并发读取。⚡增量更新 2 秒基于 SHA-256 哈希检测变更文件仅重新解析受影响部分。2,900 文件的大型项目增量更新不到 2 秒不需要重建整个图谱。30 个 MCP 工具 5 个 Prompt 模板覆盖审查上下文、影响分析BFS、图查询callers_of/callees_of/tests_for、语义搜索、架构发现、社区检测、重构预览、死代码检测、知识缺口分析。15 AI 平台自动适配Claude Code、Cursor、Codex、Windsurf、Zed、Continue、OpenCode、Gemini CLI、Qwen、GitHub Copilot 等安装时自动检测并配置。FTS5 向量混合搜索关键词搜索 语义向量搜索复合查询准确率从 0.545 提升到 0.909。支持本地 sentence-transformers 或 Google Gemini 嵌入。️Leiden 社区检测自动发现代码库的架构模块边界识别 hub 节点被大量依赖的核心模块和 bridge 节点跨模块连接器生成架构概览。GitHub Action 集成PR 提交时自动在 CI runner 本地构建图谱、发布风险评分审查评论。源码不发送到任何外部服务满足企业安全要求。实时 Token 节约面板v2.3.5 提供终端 UI实时显示本应消耗 X tokens / 实际使用 Y tokens / 节省 Z%可与 OpenAI tiktoken 交叉验证。⚙️ 工作原理1. 图谱构建Tree-sitter 解析源文件为 AST提取函数、类、导入、测试等实体及它们之间的关系调用、继承、依赖等写入 SQLite 图数据库。支持 24 编程语言可通过 YAML 配置自定义语言解析规则。2. 增量更新通过watchdog监听文件变更或 Git diff 检测 SHA-256 哈希变化。仅重新解析变更文件及其邻域节点保持图谱始终最新。3. 图查询与上下文生成当 AI 需要审查某个变更时通过 BFS 从变更节点出发遍历 CALLS 和 TESTED_BY 边收集所有受影响的调用者和测试。将结果格式化为紧凑的文本上下文约 2K-3.5K tokens替代完整源文件。4. MCP 暴露通过 FastMCP 框架注册 30 个工具以 stdio 或 Streamable HTTP 传输。AI 编码助手通过标准 MCP 协议调用无需任何额外集成代码。 安装与使用# 安装 pip install code-review-graph code-review-graph install # 在项目目录构建图谱 cd your-project code-review-graph build # Claude Code 自动配置检测到后自动启用# 也支持 Cursor / Codex / Windsurf / Gemini CLI 等MCP 服务器配置{ “mcpServers”: { “code-review-graph”: { “command”: “uvx”, “args”: [“code-review-graph”, “serve”] } } }GitHub ActionPR 自动审查- uses: tirth8205/code-review-graphv2.3.7 with: github-token: ${{ secrets.GITHUB_TOKEN }} 适用场景PR 代码审查AI 审查 PR 时精准获取影响范围不读无关代码Monorepo 导航大型多模块项目中快速定位依赖关系和架构边界架构发现Leiden 社区检测自动生成模块关系图重构辅助重命名预览、死代码检测、影响半径分析Token 成本优化将 AI 编码的 token 消耗降低一个数量级调试辅助从 Bug 位置反溯调用链和测试覆盖 竞品对比维度Code Review GraphGraphify095期codebase-memory-mcpStars20.2k85k~22k核心差异PR 审查 影响分析多模态知识图谱LSP 级极限性能Token 缩减82x 中位数~71x~120x语言覆盖2436 grammar158存储SQLite WAL内存图纯 C 零依赖MCP 工具数30~15较少增量更新✅ 2s部分✅GitHub Action✅❌❌三者定位不同Graphify 侧重跨模态知识管理codebase-memory-mcp 追求极致性能158 种语言Code Review Graph 侧重审查场景的完整工作流影响分析 风险评分 GitHub Action。 创始人背景Tirth Kananitirth8205英国伯明翰大学 MSc毕业成绩第一名 Distinction研究方向为 HCI AI Lab。硕士论文GraphMinds研究知识图谱如何让 LLM 系统更透明、可控制——正是 code-review-graph 的学术基础。常驻伦敦关注领域包括智能体系统、知识图谱、AI 安全与对齐、上下文高效检索。项目获得 Hacker News 关注有日本和中国社区的技术解读文章。✅ 优势与风险优势82 倍 token 缩减有扎实的基准数据30 个 MCP 工具覆盖完整审查工作流Local-first无云端依赖企业友好增量更新极快2 秒不阻塞开发15 AI 平台自动适配GitHub Action 一键集成 CI开源活跃493 commitsv2.3.7风险Python 3.10 要求非 Python 用户需额外安装图谱构建是离线的不能替代实时代码搜索架构检测Leiden需可选依赖 igraph向量搜索需额外安装嵌入模型F1 0.71 的影响分析精度仍有提升空间单人维护82 个开放 issue 总结Code Review Graph 是 **“AI 编码工具的持久化结构记忆”**这一新兴品类的标杆项目。它不试图让 AI 更聪明而是让 AI读得更精准——通过代码图谱将 95 万 tokens 的上下文压缩到 2,000-3,500 tokens同时提升审查质量。在百期特别篇选择这个项目也因为它代表了一个重要的行业趋势AI 编码工具的竞争正在从谁的模型更强转向**“谁的上下文利用更高效”**。本地优先、图谱索引、增量更新、MCP 协议——这些技术组合正在成为 AI 编码基础设施的新标准。如果你在用 Claude Code、Cursor 或 Copilot 处理大型代码库Code Review Graph 值得一试。安装只需两行命令之后的每一次 AI 交互都会更精准、更便宜。查看 GitHub 仓库 信息来源GitHub 官方仓库tirth8205/code-review-graphStars/License/架构/版本GitHub Trending 榜单2026-07-19今日 355 StarsHacker News 原帖及作者回复tirthkanani on HNdev.to 三工具对比Code Review Graph vs Graphify vs codebase-memory-mcpdevelopersdigest.techCoding Agents Need Codebase Mapsmohammadkhan.dev 实践文章I’m Wiring Graph Memory Into Code Review掘金中文文章code-review-graph 介绍与 GitHub Action 集成AI Heartland 日文介绍Tirth Kanani 个人网站tirthkanani.comGreptile 基准测试greptile.com/benchmarks每日开源 · 第 100 期 · 2026-07-19 · 百期里程碑001–100 期完整索引见 index.md · 本文内容基于公开信息整理仅供技术交流参考
