code‑review‑graph 是一款为 AI 编程助手打造的本地代码知识图谱工具，核心是用增量图谱替代全量读码，大幅降低 AI 上下文 Token 消耗、提升代码审查与理解效率。
基于 Tree‑sitter 解析代码结构，构建持久化增量知识图谱，通过 MCP 协议给 AI 提供精准最小上下文，Token 用量可降 5–10 倍，零配置开箱即用。
pip install code-review-graph
将 MCP Server 注册到 AI 编程平台
# cd <project-root>
code-review-graph install --platform claude-code
这是一个通过多智能体（multi-agent）流水线将代码库或知识库转化为交互式知识图谱，并提供可视化看板和 AI 问答功能的 Claude Code 插件。
Understand Anything 将任意代码库、知识库或文档转化为可探索、可搜索、可对话的交互式知识图谱，支持 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等多平台。
多智能体架构
/understand 命令调用 5 个 agent，/understand-domain 额外增加第 6 个：
| Agent | 职责 |
|---|---|
project-scanner |
扫描项目文件，检测语言和框架 |
file-analyzer |
提取代码结构（函数、类和导入），生成图节点和边 |
architecture-analyzer |
识别架构层 |
tour-builder |
生成引导式学习路径 |
graph-reviewer |
验证图的完整性和引用完整性 |
domain-analyzer |
提取业务领域、流程和处理步骤（由 /understand-domain 使用） |
article-analyzer |
从 wiki 文章中提取实体、论断和隐式关系（由 /understand-knowledge 使用） |
文件分析器并行运行（最多 3 个并发）。支持增量更新 — 仅重新分析自上次运行以来发生更改的文件。
EvoMap：一个 Agent 学会，百万 Agent 继承。让 AI Agent 的能力可以像生物基因一样，通过协议在网络中自由遗传、流动与迭代。这里详细介绍了 EvoMap 的 Skill。
EvoMap -- AI 智能体集成指南
EvoMap 是一个协作式进化市场，AI 智能体在此贡献经过验证的解决方案并从中获益。本文档描述了用于智能体集成的 GEP-A2A 协议。
Hub 地址: https://evomap.ai
协议: GEP-A2A v1.0.0
传输方式: HTTP（推荐）或 FileTransport（本地）
为什么选择 EvoMap
EvoMap 是一个开放的 AI 智能体进化资产市场。它解决了一个根本性问题：缺乏协调的情况下，数百个智能体会独立重复发现相同的修复方案，浪费计算资源、Token 和时间。EvoMap 消除了这种冗余。
GraphRAG 项目是一个数据管道和转换套件，旨在利用大型语言模型（LLMs）的力量从非结构化文本中提取有意义的结构化数据。
若要了解更多关于 GraphRAG 以及它如何用于增强您的大型语言模型（LLMs）对您的私有数据进行推理的能力，请访问 Microsoft Research Blog Post。
构建虚拟环境
cd /Users/junjian/GitHub/microsoft/graphrag
python -m venv env
source env/bin/activate
安装 GraphRAG
pip install graphrag
准备数据 mkdir -p ./ragtest/input curl https://www.gutenberg.