简介

在人工智能辅助代码审查的实践中，Token 消耗与上下文窗口限制一直是制约效率的核心瓶颈。code-review-graph 应运而生，它是一款基于本地优先原则构建的持久化代码知识图谱工具。通过 MCP（Model Context Protocol）与 CLI 双通道支持，该工具能够为 AI 代码审查提供高效、精准的本地代码智能服务。其核心优势在于，通过构建并维护一个常驻本地的代码关系图，平均可将上下文数据量压缩至原来的 8.2 倍以下，显著降低 Token 开销，同时提升代码审查的深度与准确性。

主要功能

**持久化本地代码图谱：**自动扫描并索引项目代码结构，构建函数、类、文件之间的调用关系与依赖关系图，并持久化存储在本地。

**30 个 MCP 工具集：**提供涵盖代码搜索、符号定位、依赖分析、变更影响范围评估等 30 个专用 MCP 工具，无缝对接支持 MCP 协议的 AI 客户端。

**智能上下文压缩：**在 AI 发起代码审查请求时，仅提取与当前变更直接相关的代码片段与依赖关系，实现平均 8.2 倍的上下文缩减。

**CLI 命令行支持：**提供完整的命令行接口，方便开发者在 CI/CD 流水线或本地终端中直接调用图谱查询与分析功能。

定价与费用

**本地优先，数据安全：**所有代码索引与图谱数据均存储于本地环境，无需上传至第三方服务器，充分保障代码资产安全。
**Token 成本锐减：**通过精准的上下文剪枝技术，大幅减少每次 AI 请求的 Token 消耗，尤其适用于大型代码库的频繁审查场景。
**深度代码理解：**不再依赖简单的文件级上下文，而是基于真实的代码调用链与依赖关系，让 AI 真正“看懂”变更影响。
**即插即用：**支持主流语言与框架，初始化配置简单，与现有 AI 开发工具链（如 Claude Desktop、VS Code 等）快速集成。

适用人群

**AI 辅助开发重度用户：**频繁使用 AI 进行代码审查、重构建议或 Bug 检测，希望降低 API 费用并提升反馈质量。
**大型项目维护团队：**面对数十万行甚至百万行级别的代码库，需要高效定位变更影响范围的开发与架构师。
**DevOps 与 CI/CD 工程师：**希望在自动化流水线中集成智能代码审查环节，通过 CLI 实现无人工干预的高效质检。
**对代码安全敏感的团队：**因合规或安全要求，无法将代码发送至云端 AI 服务，但仍希望享受 AI 辅助代码审查的团队。

简介

主要功能

定价与费用

适用人群

用户评价 (0)

你会推荐 code-review-graph — Local code intelligence for MCP 吗？留下你的评价

相关教程

相关工具