给Claude Code装代码图谱，工具调用少47%

一句话摘要：给 Claude Code 接一张本地代码地图，工具调用最多降 47%、Token 降 32%，AI 不再反复翻读源码。

先甩结论，懒人直接看这张表。

你的诉求	推荐工具	关键理由
想要最硬的量化证据	sense（luuuc）	公开 A/B 基准，工具调用 -47%、Token -32% sense README bench
想要零维护、自动同步	codegraph（colbymchenry）	改文件自动更新图谱，索引永不过期 codegraph README
想要全家桶 + CI 评审	CodeGraph（codegraph-ai）	45 个 MCP 工具，PR 自动出分析评论 codegraph-ai/CodeGraph README

提醒一句，GitHub 上有两个重名的仓库，一个是 colbymchenry/codegraph（6.4 万 stars），一个是 codegraph-ai/CodeGraph（51 stars），下文会严格区分，别装错。

你让 Claude Code 改个 bug，它读了 30 个文件还没找对地方

你让 Claude Code 改一个 bug，它读了 30 个文件还没找对地方。这是我和身边不少后端兄弟最近的真实体感，不是段子。

根子不在模型笨。LLM 是个无状态的概率模型，它手里只有你塞进上下文的那堆文本，没有关于你代码库的「地图」。每次新会话，它都像第一次进这个仓库，要从零推导谁调用了谁、改这一行会波及哪些测试。一码一浮生那篇拆解说得很直白，AI 笨，是它在用最原始的方式理解代码，每次都从零开始推导 一码一浮生拆解。

人类看代码不是这样。你在这个项目待了半年，脑子里天然有一张心智地图，知道模块边界在哪、改下单逻辑要先看支付回调。AI 没有这张图，所以它只能用最贵的办法补齐认知，也就是不停地 Read、Grep、Glob，把文件一个个翻出来读。这也是为什么同一个重构任务，你本人十分钟能定位，Claude Code 要绕半天。

这就是为什么 token 会爆炸，为什么改个小 bug 能刷出几十次工具调用。代价不只是钱，还有上下文被无关文件撑满之后带来的幻觉，它会编造一个根本不存在的依赖关系，因为你给它的线索越多越乱。

说白了，缺的不是一个更聪明的模型，而是一层持久化的代码结构认知。

代码图谱凭什么让 AI 不再从零推导

代码图谱的核心思路只有一句话，把「理解」这件事前置到索引阶段。平时没人问的时候，它先把代码库嚼碎存成一张结构化的关系网，等 Agent 需要时直接来查，而不是让 Agent 现场重新推理。

完整数据流是这样的，源码先经过 tree-sitter 解析，抽出符号和它们之间的关系，调用者、被调用者、继承链、测试归属，再把这些关系落成图谱，配合 bi-encoder + cross-encoder 的语义 embedding，最后通过 MCP 协议暴露给 Claude Code、Cursor 这些 Agent。

关键在于，图谱是确定性的结构查询，不是概率猜测。Agent 问「谁调用了 place_order」，图谱直接返回精确调用列表，而不是靠 LLM 凭记忆「觉得很像」。清醒结界那篇说得对，代码图谱本质是为 AI 编程代理搭建持久化代码地图，让 AI 专注理解业务需求 清醒结界拆解。前端大白话把这件事叫减法革命，代码图谱让代理学会偷懒 前端大白话拆解。

正例很清楚，查调用关系、影响面、死代码，图谱秒回且准确。反例也得说，纯靠图谱不能替代语义搜索，比如「这个项目里处理超时重试的惯例是什么」这种模糊意图，还得靠 embedding 语义检索补位。所以主流工具都是图谱加向量双管齐下，不是二选一。

三个能直接接 Claude Code 的开源工具

能直接给 Claude Code 接上的开源代码图谱，2026 年集中冒出来一批，方向出奇一致，把代码理解前置成一张可查询的地图。我把最值得认真看的三個摆在一起对比，先说结论，三者都 100% 本地运行、不把你的源码传到云端，差异只在形态和激进程度。

colbymchenry/codegraph（6.4 万 stars，gh api 2026-08-05）是个 Rust 写的预索引知识图谱，100% 本地、连 Node.js 都不需要，定位是 pre-indexed code knowledge graph，文件变了自动同步，你基本不用管它。它支持 30+ 种语言，涵盖 TypeScript、Python、Go、Rust、Java、C#、C、C++、Ruby 等主流货 codegraph README。

luuuc/sense（25 stars，gh api 2026-08-05）是极简派 MCP server，Go 写的单二进制，无 SaaS、无 API key，主打零配置接入，后文量化核心证据就来自它。它只暴露 4 个 MCP 工具，少而精。

codegraph-ai/CodeGraph（51 stars，gh api 2026-08-05）是全家桶派，C 语言写，光 MCP 工具就 45 个（README 写 45、描述里写 42，文中统一说 40+ 个），还带 VS Code 扩展和持久记忆层，野心是把 Agent 的整个代码认知都接管。

形态上，codegraph 走「自动同步的持久地图」路线，sense 走「一个 MCP 二进制极简接入」路线，CodeGraph 走「工具多到用不完的全家桶加 CI」路线。后面两节分别展开实测，先讲量化最硬的那个。

为什么是 2026 年这个节点。上半年 GitNexus 那类把理解前置的思路被反复验证，前端大白话直接称之为 AI 编程的减法革命，让代理学会偷懒 前端大白话拆解。三个工具几乎同时冒头，说明行业共识正在形成，不是某个作者的个人玩具。提醒一句，GitHub 上两个重名仓库一定要分清，colbymchenry/codegraph 是 6.4 万 stars 的本地图谱，codegraph-ai/CodeGraph 是 51 stars 的全家桶，装错就白忙活。

重点实测，sense 凭什么敢把 A/B 基准晒出来

我重点测的是 sense，因为它敢给一份跨 7 个真实仓库的标准 A/B 基准，这是本文量化收益最硬的证据。基准环境是 Claude Code Opus 4.6，仓库覆盖 Discourse、Flask、Next.js、Axum、Gin、Javalin 和一个私有电商项目，规模和语言都够分散，不是拿玩具 demo 糊弄 sense README bench。

结果摆出来，工具调用每任务从 19 次降到 10 次，降 47%。Token 每任务从 228K 降到 156K，降 32%。成本每任务从 $0.42降到0.42\; 降到$ 0.42降到0.31，降 26%。会话时长从 91s 压到 73s，降 19%。更关键的是质量没掉，每 100K token 得分从 0.19 升到 0.30，涨 64%，每分钟得分从 0.28 升到 0.38，涨 37%。同正确性下，工作量大幅下降，这才是减法革命的真义。

sense 只暴露 4 个 MCP 工具，分工很清晰，sense_graph 查符号关系和调用链、死代码，sense_search 用 bi-encoder 加 cross-encoder 混合语义搜索，sense_blast 算影响面和风险分，sense_conventions 从源码检测项目规范，官方称这是别人都做不好的点 sense README。这 4 个工具正好对应 Agent 改代码时最频繁的四类诉求，查关系、搜语义、估影响、守规范。

sense 自身的查询性能也不拉胯。它自己的仓库 382 个文件、4032 个符号，图查询延迟 p50 0.2ms、p95 3ms，影响面分析 p50 0.1ms、p95 10ms，冷启动 48ms，全量扫描 4.9s，增量 2.3s sense README。

正例是这份基准够实在，覆盖了不同语言、不同规模的生产级仓库。反例也得讲，sense 只有 25 个 stars，生态还很小，语言支持是 13 种双 tier，比另外两个少，而且本地索引要占磁盘。它适合想要零配置快速验证收益的人，不适合非要全家桶的团队。

这里的得分是官方定义的任务完成质量除以消耗 token 与时间的综合指标，涨 64% 意味着同样的钱办了更多正确的事，不是单纯跑得快。对后端来说，这条比「快了几秒」更有说服力，因为省下的 token 直接等于账单上的数字。

另外两个，自动同步派 codegraph 与全家桶 CodeGraph

codegraph（colbymchenry）的卖点是「你什么都不用管」。进项目跑一句 codegraph init，它生成 .codegraph/ 并构建完整图谱，之后自动监听文件变更，索引永不过期 codegraph README。安装走 curl -fsSL https://raw.githubusercontent.com/colbymchenry/codegraph/main/install.sh | sh，或者 npm i -g @colbymchenry/codegraph，卸载一句 codegraph uninstall 即可 codegraph README。它支持 30+ 种语言，适合丢下一个大仓库就再也不想管索引的人。官方主张就是 fewer tokens、fewer tool calls，它没有公开标准 A/B 基准，你可以用后文的自测办法量自己的仓库。

CodeGraph（codegraph-ai）是工具狂魔路线。45 个 MCP 工具，37 种语言走 tree-sitter，还配 VS Code 扩展和持久记忆层。它有个实用招数，加 --graph-only 标志能跳过 embedding，索引快 10 到 50 倍、不需要 API key，特别适合 CI 或一次性查询 codegraph-ai/CodeGraph README。接入是把下面这段写进 ~/.claude.json。

{"mcpServers":{"codegraph":{"command":"/path/to/codegraph-server","args":["--mcp"]}}}

更妙的是它的 GitHub Action，每个 PR 自动出一段代码图谱分析评论，列影响面、测试缺口、过时文档、建议评审人，底层用 codegraph_pr_context 工具加 --graph-only 实现。它还有个 codegraph-rules-for-agents 仓库，预置规则教 Agent 优先用 codegraph_* 工具而非裸 grep。

正例，CodeGraph 的 PR 评审自动化对团队效率提升明显，全家桶一次到位。反例，45 个工具的复杂度不是谁都吃得消，小团队容易陷在配置里。CodeGraph 的持久记忆层值得单说，它把跨会话的代码认知存下来，Agent 第二次进项目不用重新建图，这点对长期维护的大仓库很实用。codegraph 的 auto-sync 也是同理，文件一改图谱跟着变，你永远查的是最新状态，不用手动重建。

顺手提一嘴备选，onixhdz/cartograph（11 stars，Go）做知识图谱加依赖追踪加影响度量，OlsonSoftware/ministr（3 stars，Rust）做 AST 级语义搜索，wenext-limited/grapha（0 stars，Rust）做编译器级理解 gh api 2026-08-05。它们还嫩，但方向一致。

动手接入，5 分钟给 Claude Code 装上 sense

本文环境，macOS 或 Linux，已装 Go 1.21+，或者你嫌配 Go 麻烦直接用官方 install.sh。

第一步，安装。

curl -fsSL https://luuuc.github.io/sense/install.sh | sh

或者用 Go 直接装。

go install github.com/luuuc/sense/cmd/sense@latest

✅ 验证，终端敲 sense --version，能打印版本号就说明二进制进了 PATH，这一步卡住后面全白搭。

第二步，扫描你的项目。

cd your-project
sense scan

这一步用 tree-sitter 解析源码、跑 ONNX embedding，把索引写进本地 .sense/ 目录，后续是增量更新，不会每次全量重来 sense README。✅ 验证，目录里出现 .sense/ 且终端打印解析进度、无报错即成功。

第三步，接入 Claude Code。

sense setup

它会自动探测 Claude Code、Cursor、Codex CLI、OpenCode，把路由写进 .mcp.json 和 CLAUDE.md，并挂上生命周期 hooks 和 skills sense README。✅ 验证，项目根目录多出 .mcp.json，且 CLAUDE.md 里多了 sense 的路由指引，说明 Claude Code 重启后就能看到那 4 个 MCP 工具。

接好之后你让 Claude Code 查「改 place_order 会影响哪些测试」，它会通过 sense_blast 直接拿到影响面清单，而不是满仓库翻。顺手说，sense_conventions 还能从你的代码里反推出项目规范，帮 Agent 少犯风格错误。

接好之后想确认生效，可以开个新会话让 Claude Code 列一下可用工具，看到 sense_graph、sense_search、sense_blast、sense_conventions 四个就说明通了。第一次查建议从 sense_graph 入手，比如问「User 类被哪些地方继承」，图谱会直接甩调用链，比 grep 出来的散装结果清爽太多。后续每天进项目跑一次 sense scan 做增量更新即可，2.3s 搞定，不必全量重来 sense README。

常见报错。 一是 sense: command not found，多半是安装路径没进 PATH，把 $GOPATH/bin 加到 .zshrc 再 source 即可。二是 go install 报版本不匹配，Go 低于 1.21 会失败，升级 Go 后重试。如果之前装过旧版本，先 sense uninstall 清干净再装，避免 .sense/ 残留旧索引导致查询结果串味。

量化收益怎么来的，以及你怎么自己复测

前面 sense 的 A/B 是现成证据，直接引用。但 codegraph 和 CodeGraph 没有公开基准，你得自己量，方法不复杂。先定一组固定任务，比如「找出调用 X 的所有地方」「改 Y 会影响哪些测试」，再对比接图谱前后的回答正确性和引用文件数，数字才有可比性。

工具调用数，Claude Code 里用 /status 看，或者观察工具调用日志，也可以上 codeburn 这类监控 31 个 AI 编程工具 token 和成本的小工具。Token 数用 /cost 命令，或者同样用 codeburn。命中率靠那组固定任务对比前后来评，别只看绝对值。

测的时候有个坑要说，别只看数字下降就开心。要确认正确性没掉，sense 的基准之所以可信，是因为它明说了同正确性下工作量下降。你自测时如果调用数降了但答案开始出错，那是 Agent 偷懒过头了，得调 MCP 工具的提示词或索引范围。我建议每次改动后跑同一组固定任务做回归，把「调用数、Token、正确率」三栏一起记，趋势才看得清。

举个具体的，固定任务可以设成「找出调用 send_email 的所有函数」和「删除 legacy_auth 会破坏哪些测试」，接图谱前后各跑一遍，记录 Agent 引用的文件数和答案正确率。如果接了之后引用文件数从 22 降到 5、正确率不变，那 -77% 的检索噪声就是实打实的收益，不是 benchmark 里的漂亮数字。

局限、边界与选型建议

先把丑话说前头，本地毫秒级查询是真，但索引也要付出代价。sense 自己 382 个文件全量扫描要 4.9s，索引大概占 100 到 200MB 磁盘 sense README。codegraph 支持 30+ 种语言，索引体积只会更大。语义搜索依赖 embedding 质量，cross-encoder 翻车的时候检索结果会跑偏，这时候图谱的结构化关系能兜一部分底，但模糊意图还是可能失准。

选型我给三条判断。第一，小项目值不值得上。值得，但收益随代码量增大才显著，小项目先上 sense 这种零配置的最划算，别一上来就折腾全家桶。第二，要零维护选 codegraph，改文件自动同步、索引永不过期，你基本忘了它存在就行。第三，要团队级 CI 评审选 CodeGraph，PR 自动出分析评论这一招对评审效率提升明显，前提是团队愿意接受 45 个工具的复杂度。

隐私这块可以放心，三个主推工具全 100% 本地、无 API key，源码不出本机 gh api 2026-08-05。如果你的合规要求是数据绝不能出内网，本地工具天然比云端 MCP 更稳，这也是我更推荐本地方案而非 SaaS 图谱的原因。

正例，本地方案零外发、索引一次长期受益。反例，云端 MCP 省去本地算力，但源码要出网，金融、政务类项目基本一票否决。按你的合规边界选，别盲目追新。

还有个细节，本地索引是增量更新，但大仓库首次全量扫描的 4.9s 只是 sense 自身 382 文件的水准，几万文件的项目首扫会按语言规模增长，建议在空闲时跑一次，别卡在改 bug 的正中间。索引体积同理，代码量越大占得越多，上之前先盘一下磁盘余量。

常见问题

代码图谱和 RAG、向量检索有什么区别？

RAG 是语义块检索，给一段相似文本让你猜。代码图谱是结构化的关系网，调用者、被调用者、继承、影响面都是确定边。实际工具一般两者并用，图谱管结构、向量管模糊语义，不是替代关系。

接了图谱，Claude Code 会变慢吗？

不会，查询是毫秒级。sense 图查询 p50 0.2ms、p95 3ms，影响面 p50 0.1ms，冷启动 48ms sense README。Agent 少翻几十个文件省下的时间，远大于查一次图谱的耗时。

大仓库索引要多久、占多少磁盘和内存？

以 sense 自身 382 文件为例，全量扫描 4.9s、增量 2.3s，索引约 100 到 200MB sense README。codegraph 支持 30+ 种语言，规模更大的仓库索引体积相应更大，但都是本地一次性构建、之后增量更新。

本地工具和云端 MCP，数据隐私怎么选？

三个主推工具均 100% 本地、无 API key，源码不出本机 gh api 2026-08-05。涉及内网合规的场景，本地方案天然优于任何云端 MCP。

我的小项目值得上吗？

值得，但收益随代码量增大而显著。小项目先上 sense 这种零配置 MCP，跑通看到调用数和 Token 下降后，再决定要不要换全家桶。

我的判断

代码图谱不是又一个花活，它是 AI 编程正在发生的减法革命。让 Agent 从「每次从零推导」变成「读一张持久地图」，token、工具调用、幻觉率一起往下掉，这个账任何被 Claude Code 折磨过的后端都算得过来。我判断 2026 年给编程 Agent 配本地代码地图会从可选项变成标配，就像当年 linter 从奢侈品变必装。

如果你也被 Claude Code 的 token 爆炸和反复翻源码搞烦了，这篇可以直接甩给那个正在做选型的同事。下一篇我打算实测把 sense 接进 GitHub Action，让每个 PR 自动出影响面分析评论，感兴趣的话点个星标，更新了你第一时间收到。