codegraph-gen 1.3.2

AST-based codebase knowledge graph generator in Markdown

codegraph-gen

codegraph-gen 是一个面向 AI Agent（如 Antigravity、Codex、Claude Code 等）的静态代码知识图谱生成工具。它能够静态解析多语言 codebase，通过社区发现算法自动进行组件聚类，并导出为由标准 Markdown 文件组成的关联图谱库（Obsidian-like vault），极大地辅助 AI Agent 在本地进行精准的架构理解、逻辑导航与深度洞察分析。

与基于图形化 Canvas 渲染的知识图谱不同，codegraph-gen 采用全 Markdown 的扁平结构存储。它专门为 LLM 设计，摒弃了昂贵且复杂的数据库依赖，让 AI Agent 可以通过标准文件读取与路径导航（Relative Links）轻松周游整个代码库。

---

🚀 核心特性

• 多语言 AST 解析：基于 tree-sitter，原生支持 Python, JavaScript, TypeScript, Kotlin, Go, Rust, Swift, C, C++。
• 语义边解析与绑定：静态解析跨文件的函数/方法调用（calls）、类型继承/接口实现（inherits/implements）以及文件导入关系（imports）。
• 逻辑组件自动聚类：利用贪心模块度社区发现算法（Louvain Modularity Clustering）将紧密耦合的文件和符号自动聚类为 Component（逻辑组件），并根据组件核心节点智能命名。
• 架构脆弱性分析：自动识别 God Nodes（度数最高的核心抽象），并静态检测文件级别的 循环导入依赖（Circular Imports）。
• Agent 友好交互协议：生成离线 Agent 提示词文件 AGENT_PROMPT.md 与规则文件 AGENTS.md，实现零 API 成本的 Agent 驱动型架构洞察分析。

---

📦 架构概览

flowchart LR
    Workspace["工作区源码 Workspace"] --> Detect["detect: 语言识别与过滤"]
    Detect --> Parser["parser: Tree-Sitter AST 符号提取"]
    Parser --> Builder["builder: NetworkX 语义图组装与绑定"]
    Builder --> Cluster["cluster: 社区模块度聚类命名"]
    Cluster --> Analyze["analyze: 上帝节点与循环导入分析"]
    Analyze --> Export["export: 导出至 .codegraph/"]
    Export --> Generate["生成 AGENT_PROMPT.md / AGENTS.md / README.md / nodes / components"]

---

🛠️ 安装指南

推荐使用 uv 直接安装工具：

# 全局安装 (推荐)
uv tool install codegraph-gen

如果需要在当前虚拟环境中作为库依赖安装：

# 安装至当前项目/环境
uv pip install codegraph-gen

注册 AI Agent 斜杠命令

codegraph-gen 支持一键将 /codegraph 自定义斜杠命令注册到您的 AI Agent（如 Codex、Antigravity 或 Crush）的全局配置中：

# 为 Codex / Antigravity / Crush 注入 /codegraph 全局斜杠命令
codegraph install --platform crush

注册完成后，在对应的 Agent 终端中，您只需输入 /codegraph 即可全自动运行整个图谱的提取、分析与回写流程。

---

📖 使用方法

1. 构建代码图谱

在项目根目录下运行 codegraph build，默认会扫描当前文件夹并将图谱输出至 .codegraph/ 目录下：

# 扫描当前目录并生成图谱
codegraph build .

# 指定自定义输出目录
codegraph build . --output my_vault/

# 排除指定文件夹
codegraph build . --exclude extra_folder/ --exclude docs/

2. 导出 vault 目录结构

输出的 .codegraph/ 是一个自包含的 Markdown 知识图谱数据库，结构如下：

.codegraph/
├── README.md               # 图谱主索引，包含统计、Mermaid 组件依赖图、上帝节点、循环依赖及 AI 架构洞察
├── AGENT_PROMPT.md         # 供外部 AI Agent 读取的架构分析提示词模版
├── AGENTS.md               # 外部 AI Agent 协同工作规则与导航指南
├── components/             # 聚类生成的逻辑组件详情（如 Component_3_BaseParser_.md）
└── nodes/                  # 所有物理文件和符号的详情（包含定义签名、双向调用链与 Mermaid 拓扑）

---

🤖 与 AI Agent（Codex / Antigravity / Claude Code）协同分析

codegraph-gen 的核心设计思想是离线构建，Agent 分析。这避免了在 CLI 中直接硬编码大模型 API，降低了使用成本，并充分利用了你当前对话中功能更强、带有上下文读取能力的外部 Agent。

步骤 1：生成本地图谱

运行以下命令，为你的 codebase 生成静态图谱底座：

codegraph build .

步骤 2：在 Agent 中一键触发分析

打开你的 AI Agent（如 Codex、Antigravity 或 Claude Code 终端），直接向它发送以下指令：

💡 分析指令： 请读取并遵循 .codegraph/AGENT_PROMPT.md 中的提示要求，对本项目进行深度架构分析，然后将中文分析报告写入 .codegraph/README.md 文件的 “AI 架构深度洞察” 章节中。

Agent 将自动利用其文件读写能力：

1. 读取 .codegraph/AGENT_PROMPT.md 获取元数据和 Mermaid 关系。
2. 进行推理，并在 .codegraph/README.md 的 ## AI 架构深度洞察 章节中生成专业的中文架构报告。

步骤 3：日常问答与逻辑导航

AI Agent 能够非常聪明地利用该图谱来导航庞大的 codebase。当你想问代码结构时，指示它利用图谱即可：

• “哪个组件依赖了 BaseParser？” -> Agent 会读取 components/ 下的组件文件。
• “调用这个函数的入口在什么地方？” -> Agent 会查看 nodes/ 下对应节点文件的 Incoming Calls。

---

📜 规则设置（自动感知）

如需让 AI Agent 在进入仓库时自动使用 .codegraph，你可以在根目录下创建 CLAUDE.md 或在 README.md 中引用 .codegraph/AGENTS.md 中的规则。 例如在 CLAUDE.md 中写入：

- Before answering architecture or codebase questions, read .codegraph/README.md for god nodes and community structure.
- Navigate .codegraph/components/ and .codegraph/nodes/ instead of reading raw code files directly.
- After modifying code files, run `codegraph build .` to keep the graph current.