代码库知识图谱索引

要解决什么

在百万行规模的仓库里，"谁调用了 X"、"改了 Y 会影响谁"这类问题，靠 grep 加人肉记忆已经不够用了。纯向量检索把代码切片后嵌入向量库，能回答语义相似的问题，却丢掉了函数之间的调用、继承和依赖关系，回答不了"谁依赖谁"。本技能针对的正是编码代理在大仓中缺失全库结构上下文的问题——新人上手、影响面分析、跨文件追溯依赖时，代理往往只能看到当前打开的几个文件。

它的工作方式

核心思想源自 codebase-memory-mcp：用 AST 把代码解析为实体（函数、类）和边（调用、继承），持久化进图数据库，代理用 Cypher 或自然语言直接问图，拿到的是可解释的子图，而不是全文片段。建图分四步：

• 解析入图：AST 抽取实体与边，构建持久图谱；
• 增量更新：代码变动时只更新受影响子树，避免每次提交全量重建；
• 自然语言查询：代理以 Cypher 或语义方式提问，得到精确子图；
• 接入工作流：把图谱查询作为工具暴露给编码代理，让它在动手前先"看懂"仓库。

适用边界与注意点

• 语言覆盖：先确认主语言在 AST 解析支持列表内，否则图谱不完整；
• 图规模：实体过多会引入噪声，需按模块分层查询，别把整个仓库塞进一次请求；
• 辅助而非决策：图谱用于辅助理解，关键架构决策仍需人工评审，AI 输出应以官方文档为准。