code-graph-rag

用知识图谱让AI读懂你的大型代码库，查询、理解、改代码更精准

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署搜索知识 🍴 复刻 713 🐛 待处理 476 👀 关注 34

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 5346

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可自行部署使用，无付费版本。

项目预览

code-graph-rag 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识

开发团队vitali87

官网地址https://code-graph-rag.com

GitHubhttps://github.com/vitali87/code-graph-rag

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可自行部署使用，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Python

技术栈/模型ai,ast,claude-code,code-analysis,code-understanding,codebase-search,developer-tools,graph-database,knowledge-graph,llm,mcp,mcp-server,memgraph,monorepo,multi-language,python,rag,retrieval-augmented-generation,semantic-search,tree-sitter

GitHub 星标★ 5346

上线时间2025-06-16 00:00:00

代码更新2026-11-09

仓库体积588.2 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数2

项目介绍

code-graph-rag 是一个面向大型代码仓库（monorepo）的检索增强生成（RAG）系统，旨在解决传统 RAG 在代码理解上的不足。它通过构建代码知识图谱，将代码中的函数、类、调用关系等结构化信息整合，使得 AI 能够更准确地理解多语言代码库的上下文。用户可以用自然语言查询代码、理解模块依赖，甚至辅助代码编辑。核心能力包括：基于知识图谱的语义检索、跨文件/跨语言的代码关联分析、以及与 AI 模型结合的问答和代码生成。它特别适合处理复杂工程，能显著提升代码检索和理解的准确性，减少开发者在大型代码库中的导航和认知负担。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 5346

技术标签

ai ast claude-code code-analysis developer-tools

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：进阶约 15 分钟部署方式：命令行工具 4 步

环境要求

Python 环境（cgr 是发布在 PyPI 上的 Python 包）
可访问 PyPI 的网络环境
一个运行中的 Memgraph 图数据库实例
安装时需要 treesitter-full 与 semantic 两个扩展对应的依赖

安装与启动步骤

1检查 Python 环境

确认本机已装好 Python 与 pip，能进行系统级包安装。README 未给出具体版本要求，用通用命令确认即可。
```
python --version
```
2安装 cgr 命令行

从 PyPI 安装 code-graph-rag，并带上 treesitter-full（全部语言）和 semantic（向量检索）扩展。
```
pip install "code-graph-rag[treesitter-full,semantic]"
```
3准备 Memgraph

项目把代码知识图谱构建在 Memgraph 中，需要先有一个可连接的 Memgraph 实例。README 未给出启动命令，请按 Memgraph 官方文档部署。
4验证安装

执行 cgr 确认命令行入口已可用，之后即可对代码仓库建图并用自然语言查询、编辑代码。
```
cgr
```