跳轉到

Code AST Knowledge Graph

Concept slug: code-ast-knowledge-graph 累加自跨 repo 分析。

定義

用 tree-sitter（或類似的 AST parser） 把 codebase 抽成 graph（nodes = 檔案/類別/函式/import，edges = calls/imports/inherits/defines），持久化到本機 store。寫入路徑不用 LLM（deterministic 保證可重現），查詢路徑供 AI agent / CLI / GitHub Action 消費。

值得抽出來，是因為它揭露了一個重要 pattern：「幫 AI 不要讀」比「幫 AI 讀」更省 token 也更精準。傳統 RAG 是「把更多內容塞進 context」，AST graph 是「先抽出結構，query 只回結構性答案」。這是介於 grep 和 vector search 之間的第三條路。

各專案做法對比

tirth8205/code-review-graph 的做法

  • 核心取捨：只處理 code（不碰 docs / PDF），全 deterministic 無 LLM；主打「code review workflow」場景。
  • 資料模型：SQLite graph store，recursive CTE 做 traversal；edge 帶 extractor_version 支援 parser 升級無 breaking change；file mtime + content hash 做 incremental parse。
  • 消費介面：MCP server 把 graph 包成 tool（get_context / find_deps / impact_of_change），agent 主動 pull sub-graph；CLI 給人 debug；GitHub Action 給 PR review。
  • 實測效益：38x–528x token reduction on 6 real repos vs. naive file re-read。
  • 範疇：Python / TypeScript / JavaScript / Rust / Go / Java / C / C++ / Ruby / PHP。

Graphify-Labs/graphify 的做法

  • 核心取捨：混合 extractor——code 走 deterministic tree-sitter、非 code（docs / PDF / image / video）走 LLM semantic pass。每條 edge 顯性標記 extraction_method ∈ {EXTRACTED, INFERRED} 讓下游決定信任度。
  • 資料模型：node + edge 都帶 provenance（EXTRACTED 帶 source_line, INFERRED 帶 confidence + snippet）；Leiden algorithm 做 community detection 自動分色。
  • 消費介面：/graphify . skill 呼叫（Claude Code / Cursor / Codex / Antigravity 等 15+ 平台）；輸出 graph.html（人讀）+ graph.json（機器再處理）+ GRAPH_REPORT.md（AI 讀）。
  • 範疇：40+ 語言 + 非 code 檔案。

開放問題

  • Deterministic-only vs 混合 extractor：code-review-graph 純 deterministic 換來完全可預測，graphify 混合換來更廣範疇但引入 LLM 不確定性。前者適合「reproducible CI」場景，後者適合「探索 unstructured 內容」場景。
  • Graph store 選擇：兩個都不用專用 graph DB（Neo4j）。code-review-graph 用 SQLite（單檔可攜），graphify 用 JSON（可 diff）。專用 graph DB 對「codebase 級 node 數」（10K–100K）都是 overkill。
  • Query 介面差異：code-review-graph 走 MCP（agent 主動查），graphify 走 file output（人主動看）+ query CLI。前者更適合 in-loop context injection，後者更適合離線探索。兩者其實可以互補。
  • Provenance 深度：graphify 走「edge-level 標記」（每條連線標 EXTRACTED/INFERRED），code-review-graph 走「edge 帶 source_line + extractor_version」但沒 EXTRACTED/INFERRED 對照（因為它全 deterministic 沒必要）。「有 LLM 就一定要標」是可抽出來的守則。
  • incremental 策略：code-review-graph 明確做 incremental（mtime + hash），graphify README 沒細講。graph 越大 incremental 越關鍵，這是 scalability 分水嶺。

來源專案