结合知识图谱的代码库检索

面对庞大的单体仓库（monorepo），传统的代码搜索往往力不从心。Code Graph RAG 的思路很明确：用知识图谱和大语言模型来重新构建代码库的检索和理解机制。它试图解决跨语言代码库中的上下文丢失问题。 这里比较有意思的技术点是它结合了抽象语法树（AST）和图数据库。它不仅仅是把代码切块做向量检索，而是试图理解代码之间的调用关系和结构。通过提供 MCP Server，它可以直接接入像 Claude Code 这样的开发工具，让 AI 助手在回答问题或修改代码时，能真正“看懂”整个项目的架构。 这个用 Python 编写的工具目前有两千多 Star。真正难的地方不在于跑通一个 RAG demo，而在于如何在大规模代码库中保持图谱的更新和检索的准确性。不过，将知识图谱引入代码理解，确实是目前提升 AI 编程辅助能力的一个重要探索方向。