以下文章来源于AI工具教程,作者AI工具教程
用 Claude Code 跑大项目,最烦的不是它不会写,而是它一开始太“礼貌”。
先 grep,后 glob,再 Read。
文件夹扫一圈,函数名追一遍,等它终于搞清楚入口在哪,token 已经烧了一截。
CodeGraph 做的事很直接:提前给代码库建一张语义知识图谱。
Claude Code 不再每次从零扫文件,而是直接查图。函数调用链、类继承、模块引用这些关系,先被整理好,真正问问题时少绕很多路。项目 README 里给出的基准是,平均工具调用减少 92%,探索速度提升 71%。
这个点对大仓库尤其有体感。
比如 VS Code 这种 TypeScript 项目,CodeGraph 索引了 4002 个文件、59377 个节点,最后 Claude Code 用 3 次工具调用、17 秒就回答了“extension host 怎么和 main process 通信”这类溯源问题。没有 CodeGraph 时,是 52 次工具调用,1 分 37 秒。
我第一反应是,这东西不是在替 Claude Code “变聪明”,而是在替它少翻抽屉。
以前 Agent 先找门牌号,再找房间,再翻柜子。
现在门牌号、走廊、房间关系都在图里,直接问它“从这个函数往下追”,它就沿着边走。
它还不只是做搜索。
改代码前可以先看影响范围:这个函数被谁调用,这个类继承链往哪里走,这个模块改了会牵到哪些地方。对重构来说,这比单纯全文搜索舒服很多。
尤其是那种“我只想改一小块,但怕炸一大片”的场景。
语言和框架覆盖也比较宽。
它支持 19 种编程语言,还能识别 Django、Express、Spring 这类框架里的路由映射。也就是说,很多时候不只是找到函数,还能把请求入口、业务逻辑、底层调用串起来看。
部署门槛不高。
一条npx @colbymchenry/codegraph装起来,进项目后跑codegraph init -i,交互式配置 Claude Code。后面文件保存会自动同步图谱,不需要你每次手动重建。
还有一个我比较在意的点:数据在本地。
它不依赖外部服务,也不用把公司代码库丢到第三方平台。对团队项目来说,这个心理负担会小很多。
当然,它也不是万能药。
小项目里 Claude Code 本来就能很快扫完,收益不会夸张。真正适合它的,是代码量已经上来、依赖关系开始绕、你又经常让 Claude Code 做代码探索和重构的仓库。
这类场景下,CodeGraph 省下来的不只是几次工具调用。
是少等一会儿,少烧一点 token,也少看 Agent 在目录里来回迷路。
GitHub地址: colbymchenry/codegraph