每日一开源项目（第71期）：CodeGraph——为人工智能代理预索引代码库，节省35%成本并减少70%工具调用

2026西湖龙井茶官网DTC发售：茶农直供，政府溯源防伪到农户家

简介

“成本低约 35% · 工具调用减少约 70% · 100% 本地运行”

这是“每日一个开源项目”系列的第 71 篇文章。今天我们将探索 CodeGraph。

从一个场景开始：你向 Claude Code 提问“AuthService 是如何被调用的？”在没有任何辅助的情况下，Claude 的做法是：全局扫描目录、运行多次 grep 搜索、读取多个文件——然后才给出答案。整个过程可能会触发 10 到 15 次工具调用，并消耗数十万个令牌（token）。

CodeGraph 的核心洞察在于将这项工作前置：在你开始之前，它已经使用 tree-sitter 将你的代码库解析为语义图，并存储在本地 SQLite 数据库中，然后通过模型上下文协议（MCP）向人工智能代理暴露 8 个查询工具。当代理需要理解代码时，单次 codegraph_context 调用即可返回入口点、相关符号和代码片段——无需读取文件。

拥有 9.6k 星标和 588 次叉取。在 7 个真实开源项目上的基准测试显示：平均节省 35% 的成本，减少 70% 的工具调用，速度提升 49%。在 Visual Studio Code 的大型 TypeScript 仓库中，一次架构问答的令牌消耗从 140 万降至 39.3 万——成本从 0.64 美元降至 0.42 美元。

你将学到什么

CodeGraph 的四个阶段流水线：提取 → 存储 → 解析 → 自动同步
8 个模型上下文协议（MCP）工具及其各自的使用场景
7 个项目基准测试结果的详细分解：为什么代码库越大受益越多？
19 种语言支持和 13 种框架路由识别的工作原理
从安装到集成 Claude Code 的完整设置指南
codegraph affected：利用依赖追踪进行智能持续集成（CI）测试选择

前提条件

熟悉 Claude Code、Cursor 或类似的人工智能编程工具
对模型上下文协议（MCP）有基本了解
具备 Node.js 使用经验

项目背景

项目介绍

CodeGraph 是一个本地语义代码知识图谱工具，专为提高人工智能编程代理的效率而设计。其核心洞察：

人工智能代理在“发现阶段”——扫描目录、搜索符号、读取文件——花费了大量的令牌和时间，而不是在实际的推理和生成上。

CodeGraph 的解决方案是将发现阶段外包给预构建的索引：在你开始工作之前，索引已经准备就绪，让人工智能代理可以直接拉取结构化的代码知识，而不是从头开始探索文件系统。

技术选型务实：使用 tree-sitter 进行抽象语法树（AST）解析（成熟、多语言、高性能），使用 SQLite FTS5 进行全文搜索（无外部依赖、完全本地化），并使用原生操作系统文件事件进行实时同步（FSEvents/inotify/ReadDirectoryChangesW）。

作者/团队

作者：科尔比·麦克亨利（Colby McHenry）（GitHub: colbymchenry）
仓库：colbymchenry/codegraph
分发：npm 包 @colbymchenry/codegraph

项目统计

⭐ GitHub 星标：9,600+
🍴 叉取次数：588
📦 npm 包：@colbymchenry/codegraph
🔧 运行时环境：Node.js 20–24
💻 平台：Windows、macOS、Linux
📄 许可证：MIT
🌐 仓库：colbymchenry/codegraph