rag系列文章目录

目录

rag系列文章目录

前言

一、code-review-graph

二、gitnexus

三、对比

总结

---

---

前言

ai coding在日常的软件开发过程中，已经很普遍，但是在大项目中ai coding效果并不理想。于是人们开始想着引入知识图谱，将大项目知识图谱化，这样claude code等工具就不用在搜索上面花费大量时间寻找了。

一、code-review-graph

code-review-graph 是一个面向 AI Code Review 与影响分析的代码图谱工具。

它的核心目标，并不是简单做代码搜索，而是：让 AI 理解一次代码修改（Diff）可能带来的真实影响。

因此，它更偏向：

• Change Intelligence（变更智能）
• Diff Analysis（差异分析）
• Blast Radius（影响范围分析）
• Dependency Traversal（依赖传播）

它通常会通过：

• AST（抽象语法树）解析
• Tree-sitter
• Symbol Graph
• Call Graph
• Dependency Graph

构建整个仓库的结构化关系。

例如：

Controller -> Service -> DAO -> MQ -> Redis

当 AI 分析某次提交时，它不再只看 diff，而是：

Diff -> Dependency Expansion -> Impact Graph

即：

• 分析改动函数
• 向上查找调用方
• 向下分析被调用模块
• 扩展影响范围
• 判断潜在副作用

这使 AI Review 更像一个高级工程师，而不是简单文本分析器。

二、gitnexus

与 code-review-graph 相比，GitNexus 的目标更加宏大。

它更像：一个面向 AI Agent 的 Repository Intelligence Platform（仓库智能平台）。

它不仅关注“代码修改”，更关注：“AI 如何真正理解整个代码仓库”。

GitNexus 通常会构建：

• Symbol Graph
• Call Graph
• Import Graph
• Dependency Graph
• Ownership Graph

然后通过 MCP（Model Context Protocol）暴露给 Claude Code、Cursor 等 AI 工具。

例如：

AI 可以直接查询：

谁调用了这个 Service？

或者：

这个函数会影响哪些模块？

而不再需要不断 grep。

三、对比

两者优势对比：

维度	code-review-graph	GitNexus
核心能力	Diff Impact Analysis	Repository Navigation
关注对象	提交 / PR	整个代码仓库
优势	风险分析	架构理解
强项	Blast Radius	调用链导航
最适合	Review 场景	开发场景
Token 节省	中高	极高
微服务分析	强	非常强
重构支持	中	非常强
架构理解	中	非常强

更适合使用 code-review-graph 的场景

• Review Git Diff
• 自动 PR 检查
• 分析事务影响
• 分析缓存副作用
• 分析 MQ 风险传播

更适合使用 GitNexus 的场景

• 大型 SpringBoot 项目
• 微服务架构
• Monorepo
• 跨模块开发
• AI 辅助重构

---

总结

未来的AI coding很可能会形成三层结构，第一层：Repository Graph，例如GitNexus。负责：代码结构理解、调用链导航、架构理解。第二层：Change Graph，例如 code-review-graph。负责Diff 分析、Blast Radius、风险传播。第三层：Knowledge Graph，例如：ADR、Incident、架构文档、团队知识，即LLM Wiki。

GitNexus 更关注“理解整个仓库”，code-review-graph 更关注“理解一次修改”。两者都在推动 AI Coding 从简单代码生成，走向真正的“工程智能化”。