Graph-Code：用于任意代码库的图谱 RAG 系统

（原文标题：Graph-Code: A Graph-Based RAG System for Any Codebases）(GitHub)

该系统是一个 精确的检索增强生成（RAG）系统，用于分析多语言代码库，基于 Tree-sitter 构建全面的知识图谱，并支持使用自然语言查询代码库结构与关系，还能执行编辑操作。(GitHub)

功能（Features） (GitHub)

多语言支持

支持多种主流语言及其结构特性：

语言	支持状态	文件扩展	函数	类/结构体	模块	包检测	附加功能
C++	完全支持	.cpp/.h/.hpp/.cc/.cxx/.hxx/.hh/.ixx/.cppm/.ccm	✓	✓	✓	✓	构造函数、析构函数、运算符重载、模板、lambda、C++20 模块、命名空间
Java	完全支持	.java	✓	✓	✓	–	泛型、注解、并发、反射
JavaScript	完全支持	.js/.jsx	✓	✓	✓	–	ES6 模块、CommonJS、原型方法、箭头函数
Lua	完全支持	.lua	–	✓	–	–	全局/局部函数、闭包、协程
Python	完全支持	.py	✓	✓	✓	✓	类型推断、装饰器、嵌套函数
Rust	完全支持	.rs	✓	✓	✓	✓	impl 块、关联函数
TypeScript	完全支持	.ts/.tsx	✓	✓	✓	✓	接口、类型别名、枚举
C#	开发中	.cs	✓	✓	✓	–	类、接口、泛型
Go	开发中	.go	✓	✓	✓	–	方法、类型声明
PHP	开发中	.php	✓	✓	✓	–	类、函数、命名空间
Scala	开发中	.scala/.sc	✓	✓	✓	–	case 类、对象、特质	(GitHub)

其他关键特性：

使用 Tree-sitter 进行健壮且与语言无关的 AST 解析
使用 Memgraph 存储代码结构为互联图谱
支持 自然语言查询
支持各种 AI 模型进行 自然语言 → Cypher 生成（包括 Google Gemini、本地 Ollama、OpenAI）
获取实际代码片段
高级文件编辑（基于 AST 的精确替换 + 可视化 diff）
终端命令执行、交互式代码优化、依赖分析等功能(GitHub)

架构（Architecture） (GitHub)

系统主要由两部分组成：

多语言解析器：基于 Tree-sitter 的系统，用于分析代码库并将结果导入 Memgraph
RAG 系统（codebase_rag/）：用于交互式查询存储的知识图谱(GitHub)

先决条件（Prerequisites） (GitHub)

要构建和运行本项目，您需要：

Python 3.12+
Docker + Docker Compose（用于 Memgraph）
cmake（构建 pymgclient 依赖项）
ripgrep (rg)（用于终端文本搜索）
对于云模型：Google Gemini API key
对于本地模型：运行中的 Ollama
uv 包管理器(GitHub)

安装（Installation） (GitHub)

git clone https://github.com/vitali87/code-graph-rag.git
cd code-graph-rag

# 安装依赖（基本 Python 支持）
uv sync

# 安装完整多语言支持
uv sync --extra treesitter-full

# 开发环境（含测试与 pre-commit 钩子）
make dev

随后按 .env.example 复制并设置环境变量。支持多种提供者和模型配置（OpenAI/Gemini/Ollama 混合）。(GitHub)

启动 Memgraph 数据库：

docker-compose up -d

(GitHub)

使用方法（Usage） (GitHub)

Graph-Code 系统有五种主要运行模式：

解析并导入：构建知识图谱
交互式查询：用自然语言问问题
导出与分析：将图导出用于程序化分析
AI 优化：获取 AI 驱动的优化建议
编辑：精确代码替换与修改(GitHub)

示例工作流：

# 第一步：解析代码库
cgr start --repo-path /path/to/repo --update-graph --clean

# 第二步：交互式查询
cgr start --repo-path /path/to/repo

支持实时更新、导出 JSON、优化建议等高级功能。示例语句包括列出类、查找函数引用、优化代码等。(GitHub)

MCP 服务（Claude Code 集成） (GitHub)

Graph-Code 可以作为 MCP 服务器提供服务，与 Claude Code 和其他 MCP 客户端无缝集成。例如：

claude mcp add --transport stdio graph-code \
  --env TARGET_REPO_PATH=/absolute/path/to/your/project \
  --env CYPHER_PROVIDER=openai \
  --env CYPHER_MODEL=gpt-4o \
  --env CYPHER_API_KEY=your-api-key \
  -- uv run --directory /path/to/code-graph-rag graph-code mcp-server

提供诸如索引仓库、查询、获取代码片段、外科式代码替换等工具。(GitHub)

图谱模式（Graph Schema） (GitHub)

节点类型（Node Types）

常见节点类型包括：

Project {name: string}
Package {qualified_name, name, path}
Folder {path, name}
File、Module
Class、Function、Method
Interface、Enum、Type、Union 等(GitHub)

语言特定映射（Language Mappings）

定义了不同语言的 AST 节点映射规则，如 C++、Java、Python、TypeScript 等。(GitHub)

关系类型（Relationships）

例如：

Project/Package/Folder CONTAINS Package/Folder/File/Module
Module DEFINES Class/Function
Function/Method CALLS Function/Method
Class INHERITS Class 或 IMPLEMENTS Interface
Project DEPENDS_ON_EXTERNAL ExternalPackage 等(GitHub)

配置（Configuration） (GitHub)

通过 .env 配置指定：

ORCHESTRATOR_PROVIDER, ORCHESTRATOR_MODEL, ORCHESTRATOR_API_KEY
CYPHER_PROVIDER, CYPHER_MODEL, CYPHER_API_KEY
Memgraph 相关（主机、端口、批处理大小等）
TARGET_REPO_PATH 默认仓库路径
本地模型回退端点等(GitHub)

关键依赖项（Key Dependencies） (GitHub)

系统使用 Python 库：

loguru, mcp, pydantic-ai, pydantic-settings, pymgclient, python-dotenv
tree-sitter 及其语言绑定
终端 UI 库 rich, prompt-toolkit 等(GitHub)

贡献（Contributing） (GitHub)

详细贡献指南参见 CONTRIBUTING.md。欢迎优先 PR 和 TODO 议题。(GitHub)

参考资料

Graph-Code：用于任意代码库的图谱 RAG 系统
参考资料

Graph-Code A Graph-Based RAG System for Any Codebases