tirth8205/code-review-graph 是一个本地知识图谱构建工具，用于 Claude Code，通过构建代码库的持久映射，减少 AI 辅助阅读的代码量，提高代码审查和日常编码效率。
来源：据 README 描述 查看 GitHub 仓库 →该项目通过构建代码知识图谱，有效减少了 AI 辅助阅读的代码量，提高了代码审查和日常编码的效率，这对于大型代码库尤其有价值。它填补了代码审查中 AI 辅助的效率空白，并采用了 Tree-sitter 和 MCP 等先进技术。
来源：综合 README 描述和项目特征使用 Tree-sitter 解析代码库，构建包含函数、类、导入等节点的知识图谱，并通过边连接调用、继承和测试覆盖率。
来源：据 README 描述仅在文件更改时更新知识图谱，通过 SHA-256 哈希检查找到依赖项，并重新解析更改的部分。
来源：据 README 描述分析文件更改的影响范围，确定受影响的调用者、依赖项和测试，从而减少 AI 辅助阅读的代码量。
来源：据 README 描述该项目采用模块化设计，主要模块包括代码解析、知识图谱构建、Blast-radius 分析和增量更新。数据从代码库流经 Tree-sitter 解析，存储在 SQLite 图中，并通过 MCP 与 AI 辅助工具交互。
来源：代码目录结构 + 依赖文件infra: 无特定基础设施，可在本地运行 | key_deps: tree-sitter, networkx, watchdog, mcp, fastmcp | language: Python | framework: 无特定框架，采用模块化设计
来源：依赖文件 + 代码目录结构适用于大型代码库的代码审查，减少 AI 辅助阅读的代码量；提高日常编码效率，减少不必要的代码分析；适用于需要精确控制 AI 辅助阅读范围的场景。
来源：READMEv2.2.1 (2026-04-07): 代码审查和编码效率的全面优化，包括构建速度和工具输出效率的提升。
来源：GitHub Releasestirth8205/code-review-graph 是一个值得关注的开源项目，特别是对于大型代码库的代码审查和日常编码。它通过构建知识图谱和优化 AI 辅助阅读，显著提高了效率，适合需要精确控制 AI 辅助阅读范围的团队或个人使用。
来源：综合分析