AI 代码知识图谱选型指南（2026）
- 一、这类工具解决什么问题
- [二、两大流派：LLM 派 vs 编译器派](#二、两大流派：LLM 派 vs 编译器派)
-
- [编译器派（AST 静态解析）](#编译器派（AST 静态解析）)
- [LLM 派（语义理解）](#LLM 派（语义理解）)
- 这不是谁好谁坏
- 三、主流工具一张表
- 四、按场景选工具
-
- [4.1 你的项目是纯代码（没有架构文档）](#4.1 你的项目是纯代码（没有架构文档）)
- [4.2 你的项目有文档（架构设计、ADR、编码规范）](#4.2 你的项目有文档（架构设计、ADR、编码规范）)
- [4.3 你是为了新人入职引导](#4.3 你是为了新人入职引导)
- 五、多工具能一起装吗？
- 六、总结
本文是「AI 图谱系列」总览篇。读完本文你可以确定自己该选哪个工具，然后跳转到对应专栏看完整的上手指南。
一、这类工具解决什么问题
你在 Claude Code / Cursor 里问 AI「这个函数被哪些地方调用了」------
- 没有知识图谱：AI 从头 grep 所有文件，几十次工具调用，token 烧了一堆，还可能漏
- 有知识图谱：AI 直接查图，几次调用返回结果，精准且省 token
核心逻辑： 把代码库预索引成一张图（函数、类、调用关系），通过 MCP 暴露给 AI，让 AI 查图而不是翻文件。
适用场景：中大型项目（200 文件以上）、接手陌生代码库、Code Review 变更影响分析、跨模块依赖梳理。
不适用：小于 200 文件的小项目、重度依赖反射/动态代理的项目。
二、两大流派：LLM 派 vs 编译器派
知识图谱工具的原理决定了它们适合什么场景。先理解这个，后面选型才不会错。
编译器派（AST 静态解析）
像编译器一样解析代码结构：import 了什么、调用了谁、继承关系。输出一张精准的调用图。
- 怎么读： tree-sitter AST 解析
- 优点： 永远不出错，零 LLM 成本，实时同步
- 缺点： 只读代码，不读文档，不理解 WHY
- 代表工具： Codegraph
LLM 派（语义理解）
先用 AST 提取代码结构，再用 LLM 读代码 + 文档，理解"这段代码在干什么"、"和文档里的决策有什么关系"。
- 怎么读： AST（代码结构）+ LLM（语义理解）
- 优点： 能读文档/图片，能发现跨文档隐藏关联，能理解设计意图
- 缺点： 语义提取烧 token；推断边（INFERRED）可能不准确
- 代表工具： Graphify
这不是谁好谁坏
编译器派 = 查户口本的，精准冰冷；LLM 派 = 聊过天的人，能理解但偶尔猜错。
你需要查户口本还是需要聊天，取决于你的项目有什么。
三、主流工具一张表
| 工具 | 流派 | 能读什么 | 成本 | 最擅长 |
|---|---|---|---|---|
| Codegraph | 编译器派 | 纯代码（19+ 语言） | 零 LLM 成本 | 调用链追踪、影响分析、实时同步 |
| Graphify | LLM 派 | 代码 + 文档 + PDF + 图片 | 代码变更加 AST（免费），文档变更走 LLM | 代码和文档关联、跨文档隐藏关联 |
| Understand-Anything | LLM 派 | 代码 + 知识库 | LLM 语义提取 | 交互式可视化、新人入职引导 |
| GitNexus | 编译器派 | 纯代码 | 零 LLM 成本 | 图数据库查询、社区检测 |
| Probe | 编译器派 | 纯代码 | 零 LLM 成本 | 零索引即用、一次性分析 |
注：GitNexus 使用 PolyForm NC 许可证（禁止商用），且存在稳定性问题。Probe 定位一次性分析，不适合日常持续使用。本文后续聚焦三个最成熟、最适合日常使用的工具。
四、按场景选工具
4.1 你的项目是纯代码（没有架构文档）
你要的是：精准的调用链、实时同步、零成本。不需要 LLM 去"理解"代码------理解是多余的，调了谁就是调了谁。
→ 选 Codegraph。 详见 专栏一：纯代码篇
4.2 你的项目有文档（架构设计、ADR、编码规范）
你要的是：文档里的决策能关联到代码实现，AI 不仅知道调了谁，还知道为什么这么调。
→ 选 Graphify。 详见 专栏二：文档篇
4.3 你是为了新人入职引导
你要的是：交互式可视化，新人拖拽探索项目结构，一眼看懂模块关系。
→ 选 Understand-Anything。 详见 专栏三：可视化篇
五、多工具能一起装吗？
可以，互不冲突。
三个工具各自使用独立目录，不会互相覆盖：
项目目录
├── .codegraph/ ← Codegraph 索引（SQLite）
├── graphify-out/ ← Graphify 输出（JSON）
├── .understand-anything/ ← Understand-Anything 图谱（JSON）
│
三者目录名不同，并行共存无冲突推荐组合
| 组合 | 效果 | 推荐度 |
|---|---|---|
| 日常一个 | 大多数场景够了 | ⭐⭐⭐⭐ |
| Codegraph + Graphify | 日常导航（Codegraph）+ 阶段性架构审计（Graphify） | ⭐⭐⭐⭐⭐ |
| Graphify + Understand-Anything | AI 查图谱 + 新人看 Dashboard | ⭐⭐⭐⭐ |
| 三个全装 | 同一份代码被索引三次，维护成本高，不推荐 | ❌ |
判断"同类"的方法： 看它们是不是解决同一个问题。Codegraph 和 Probe 都做纯代码调用链查询→同类，装一个即可。Graphify 做文档关联、Understand-Anything 做可视化→不同问题，可以共存。
一句话
日常工作用一个，阶段性需求（架构审计、入职引导）再加第二个。
六、总结
选型三句话：
1. 纯代码 → Codegraph（精准、免费、实时）
2. 有文档 → Graphify（代码 + 文档一起入图，知道 WHY）
3. 带新人 → Understand-Anything（交互式可视化）| 你的场景 | 看这篇 |
|---|---|
| 纯代码项目，要精准导航 | 专栏一：纯代码篇 |
| 代码+文档项目，要理解 WHY | 专栏二：文档篇 |
| 新人入职引导，要可视化 | 专栏三：可视化篇 |
系列文章： 本文是「AI 图谱系列」总览篇。三篇专栏各自独立完整，合起来覆盖纯代码、代码+文档、新人引导三大场景。数据来源：各项目官方 README、GitHub、npm，于 2026-05-29 核验。