code-review-graph 是一个面向 AI 编码工具的本地知识图谱：用 Tree-sitter 把你的代码库解析成结构图（函数/类/导入为节点，调用/继承/测试覆盖为边），增量跟踪变更，并通过 MCP 给 AI 助手提供精准上下文，让它「只读该读的部分」。其卖点是大幅省 token——官方称代码评审约 6.8 倍、日常编码任务最高 49 倍的 token 削减。许可为 MIT，Python（3.10+），约 17,268 stars，发布在 PyPI，并支持 Claude Code、Codex、Cursor、Windsurf、Copilot 等多种平台。
来源：README.md（首段、How It Works、Quick Start、徽章）；GitHub 仓库元数据（stars=17268、license=MIT、language=Python） 查看 GitHub 仓库 →AI 编码工具在每个任务上反复重读整个代码库，既慢又烧 token。code-review-graph 针对这一痛点：把代码库建成图、只在评审/编码时算出「必须读」的最小文件集，显著降低 token 消耗（在 6 个真实仓库上平均约 8.2 倍）。一条命令自动适配十多种 AI 编码平台、增量更新、本地运行，实用性强，因而获得高关注。截至数据采集约 17,268 stars。
来源：README.md（首段、The Token Problem 图、Quick Start 的多平台）；GitHub 仓库元数据（stars=17268）把仓库解析成 AST 并存为图（函数/类/导入为节点，调用/继承/测试覆盖为边），作为 AI 的结构化上下文来源。
来源：README.md（How It Works）文件变更时追踪所有受影响的调用方/依赖方/测试，算出最小评审/阅读文件集，AI 只读该读的——官方称评审约 6.8×、日常任务最高 49× token 削减。
来源：README.md（首段、Blast-radius analysis）code-review-graph install 自动检测并配置十多种 AI 编码平台（Claude Code/Codex/Cursor/Windsurf/Copilot 等）的 MCP、hooks/skills 与图感知指令。
来源：README.md（Quick Start、Supported Platforms 图）首次建图约 10 秒（500 文件项目），之后随每次编辑和 git commit 自动增量更新；图存本地 SQLite，无需上传代码。
来源：README.md（Quick Start、How It Works）工作流是：用 Tree-sitter 把仓库解析成 AST，存为 SQLite 中的图（节点=函数/类/导入，边=调用/继承/测试覆盖），评审时查询计算 AI 需要读的最小文件集。核心是「爆炸半径（blast-radius）分析」——某文件变更时，图会追踪每个可能受影响的调用方、依赖方和测试，AI 只读这些文件而非全量扫描。它通过 MCP 把图能力暴露给 AI 助手；一条 code-review-graph install 命令自动检测你装了哪些 AI 编码工具（Codex、Claude Code、Cursor、Windsurf、Zed、Continue、OpenCode、Antigravity、Qwen、Qoder、Kiro、GitHub Copilot 等），为每个写正确的 MCP 配置、安装平台原生 hooks/skills、并注入图感知指令。建图后随每次文件编辑和 git commit 自动增量更新。
来源：README.md（How It Works、Blast-radius analysis、Architecture pipeline、Quick Start）；git tree（.mcp.json、.github 指令文件）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
Tree-sitter（AST 解析）MCP（向 AI 助手暴露能力）SQLite（本地图存储）适合用 AI 编码工具且在意 token 成本/上下文精度的开发者与团队：做代码评审时只让 AI 读受改动影响的文件（爆炸半径），而非全量扫描；日常编码时给 AI 更精准、更省的上下文；在大型代码库上尤其能显著降低 token 消耗与等待。它本地运行、不上传代码，适合对代码隐私有要求的场景，并能一套图服务多种 AI 平台。
来源：README.md（首段、Blast-radius analysis、Supported Platforms）本页未列出具体版本号；项目以 PyPI 包持续发布（带 CI 与 publish 工作流），变更记录在 CHANGELOG.md。更新以扩展支持的 AI 编码平台、完善 Tree-sitter 解析与图查询、提升增量更新与多平台 install 体验为主。
来源：README.md（Quick Start 多平台、徽章）；git tree（CHANGELOG.md、.github/workflows/publish.yml）code-review-graph 精准命中了 AI 编码的一个真实痛点：与其让 AI 每次重读全库烧 token，不如用 Tree-sitter 建一张代码知识图，靠爆炸半径分析只喂给它该读的文件。省 token 效果显著、一键适配十多种平台、增量更新且本地运行不上传代码，对在意成本、上下文精度和代码隐私的团队很实用。要清楚省 token 倍数因项目而异、依赖 Tree-sitter 的语言覆盖、且需为各平台配置 MCP。作为给 AI 编码「降本增效」的本地图谱工具，它定位精准、工程完善、跨平台友好。
来源：综合 README.md 的痛点定位、图与爆炸半径机制及多平台支持