代码知识图谱查询

要解决什么问题

阅读陌生代码库时，最常见的困境是：眼前只有一个函数，却不知道谁在调用它、它又依赖了谁。想回答「谁调用了 login」，靠 grep 只能找到文本匹配，无法区分同名函数、动态调用和跨模块依赖；想评估「修改 formatDate 会影响哪些地方」，人工梳理调用链既耗时又容易遗漏。代码知识图谱把这些关系预先算好，问题就从「读代码推导」变成「查图验证」。

核心能力

本技能提供一个 Python 脚本 scripts/query_graph.py，连接 Neo4j 实例后执行预构建的 Cypher 查询，结果以结构化 JSON 输出到 stdout，便于 agent 解析：

• 调用关系：callers 找上游调用方，callees 找下游被调用方，call-chain 按 --depth 双向追踪调用链
• 模块依赖：deps 双向查询，既看模块依赖了谁，也看谁依赖了它
• 类继承：hierarchy 展示父类与子类的完整继承关系
• 影响分析：impact 汇总修改某函数后的上游调用者与下游依赖方
• 图谱探索：schema 列出节点标签与关系类型，search 按名称全文搜索实体
• 自定义查询：custom 直接执行任意 Cypher，应对模板覆盖不到的场景

典型用法是在改代码前先跑一轮查询：

• 回答「BaseController 的类继承层次是什么？」→ hierarchy --name "BaseController"
• 回答「哪些模块依赖 src/auth.ts？」→ deps --name "src/auth.ts"

使用步骤

1. 先看 Schema：图谱结构未知时，先执行 query_graph.py schema 确认节点标签和关系类型
2. 匹配查询类型：按问题模式从 callers、callees、call-chain、deps、hierarchy、impact、search 中选择
3. 执行并解读：解析 JSON 输出，结合源代码给出结论

适配与边界

不同代码图谱的命名约定可能不同。脚本模板支持 CALLS|INVOKES、EXTENDS|IMPLEMENTS、IMPORTS|DEPENDS_ON|REQUIRES 等常见模式；若实际图谱不一致，可参考 references/schema.md 的 Schema 文档，先用 custom 模式做即席查询验证，确认无误后编辑 QUERY_TEMPLATES 字典做永久适配。本技能只提供查询能力，不负责构建图谱——前提是已有可用的 Neo4j 实例和导入好的代码知识。