企业官网建设流程全解析

AI coding agent 修改代码时，最常见的低效动作是反复搜索、打开文件、追依赖、再搜索、再打开文件。每一次工具调用都会消耗 token 和时间，也会增加 Agent 在长任务里迷路的概率。colbymchenry/codegraph的思路是：把代码库预先索引成本地知识图谱，让 Agent 在需要理解项目时先查图谱。

它面向 Claude Code、Codex、Cursor、OpenCode、Hermes Agent、Gemini、Antigravity、Kiro 等多个AI Agent。README 强调 100% local，这一点很关键：代码索引和查询在本地完成，更适合私有代码库和安全敏感团队。

项目定位

CodeGraph 是一个语义代码智能层。它不只是文件搜索，也不只是静态依赖图，而是把代码结构、符号、关系、框架路由和影响范围预先组织起来，再通过 CLI、MCP tools 或库形式提供给 Agent。

它的目标是减少 Agent 的盲目探索。与其让模型在任务中临时读几十个文件，不如先建立一个可查询的图谱，让模型直接问：这个符号在哪里？这个改动影响哪些调用？这个路由对应哪个处理函数？这个组件和哪些模块相关？

核心能力

预索引是基础。项目初始化后会扫描代码库，把符号、文件、关系和框架线索存入本地数据库。仓库结构中可以看到src/db/schema.sql、src/db/queries.ts、src/graph/queries.ts、src/graph/traversal.ts等文件，说明它有明确的数据库和图遍历实现。

多语言解析是第二层。src/extraction/languages/下包含 JavaScript、TypeScript、Python、Go、Java、Rust、Ruby、Swift、Kotlin、C/C++ 等语言提取器。它还使用 tree-sitter 相关能力，对代码结构进行解析。</