code-graph-rag 是什么？

Code-Graph-RAG 是一个用于多语言代码库的精确检索增强生成 (RAG) 系统。它使用 Tree-sitter 分析代码，构建全面的知识图谱，并允许通过自然语言查询代码库的结构和关系。该系统还包括高级编辑功能，使用户能够通过自然语言提示直接修改代码。

code-graph-rag 是开源的吗？

是的，采用 MIT 许可证。

code-graph-rag

Q: code-graph-rag 是开源的吗？

是的，采用 MIT 许可证。

活跃·★ 5.3k·MIT·更新于 2026-10-22

Code-Graph-RAG 是面向代码库的、基于图的检索增强生成系统。它用 Tree-sitter 分析多语言代码，构建代码结构的知识图谱，存入 Memgraph，让你可以用自然语言查询和编辑代码库。README 的新闻部分提到与 Claude Code 的 MCP 服务集成，以及自 2025 年 10 月起用 UniXcoder 嵌入实现的语义代码搜索，这样可以按功能（例如错误处理或认证代码）而不是按名称找函数。

语言表列出了完整支持的语言，如 C++、Java、JavaScript、Lua 和 Python，并有具体细节，例如 C++ 的模板和 C++20 模块、Python 的类型推断。自然语言问题由你选择的模型转成 Cypher 查询：云端的 Google Gemini、通过 Ollama 的本地模型，或 OpenAI 模型。前置条件是 Python 3.12+、用于 Memgraph 的 Docker 和 Docker Compose、cmake（用于构建 pymgclient 依赖）、ripgrep 和 uv 包管理器。代码采用 MIT 许可证。

#人工智能#ast#Claude Code#代码分析#code-understanding#codebase-search#开发者工具#graph-database

功能特性

01多语言支持

02Tree-sitter 解析

03知识图谱存储

04自然语言查询

05高级文件编辑

为什么选择它

+把多语言代码库变成可查询的函数、类和模块知识图谱。

+可作为 MCP 服务与 Claude Code 配合使用，并用 UniXcoder 嵌入支持按意图的语义搜索。

+自然语言问题通过 Gemini、OpenAI 或本地 Ollama 模型变成 Cypher 查询。

+Tree-sitter 解析涵盖 C++、Java、JavaScript、Lua、Python 等，采用 MIT 许可证。

权衡点

!设置比较重：需要 Python 3.12+、用于 Memgraph 的 Docker、cmake、ripgrep 和 uv。

!使用云端模型需要模型 API 密钥（如 Google Gemini），完全本地运行则需要配置本地 Ollama。

!README 很长（超过 3.5 万字符），并且系统还能编辑代码，所以要审查它给出的改动。

维护状况检查

活跃检查日期: 2026-10-22

最近提交: 2026-10-21
近 90 天提交数: 100+
近 90 天发布数: 18
最新发布: v0.2.10 (2026-10-18)
未关闭 issue: 543
近期 issue 至少有一条评论的比例: 0/4

近 12 周每周提交数

最早的一周在左边，最近 4 周为橙色。数据来源：GitHub 提交统计。

状态规则：GitHub 上已归档 = 已归档；最近提交在 90 天内 = 活跃；91 到 365 天 = 放缓；更久 = 停滞。所有数字来自所示日期的 GitHub API。

适合谁

适合选它的情况

你希望用 Tree-sitter 解析多语言大型代码库（Monorepo），在 Memgraph 中构建函数与类调用图谱，并通过自然语言或 Claude Code MCP 查询和修改代码。
需要结合 UniXcoder 语义向量检索与 Cypher 图数据库查询来理解复杂代码依赖。

建议换别的情况

你的检索对象是 PDF、Word 和幻灯片等办公文档而非源代码仓库；应使用 RAGFlow 或 MaxKB。
不想在本地安装 Docker、Memgraph、cmake 和 Python 3.12+，只需要轻量级代码上下文 MCP；jCodeMunch 或 Context7 更轻便。

与同类的区别

vs jcodemunch-mcp★ 2.8k

code-graph-rag 依赖 Docker 运行 Memgraph 图数据库并将问题转译为 Cypher 图查询；jCodeMunch 同样基于 Tree-sitter 索引代码符号，但无需额外部署图数据库容器。

完整横向对比 →

兼容性

C++

已通过文档验证

Java

已通过文档验证

JavaScript

已通过文档验证

Lua

已通过文档验证

Python

已通过文档验证

Rust

已通过文档验证

快速开始

$ git clone https://github.com/vitali87/code-graph-rag.git

$ cd code-graph-rag

$ uv sync --extra treesitter-full

$ cp .env.example .env

$ docker-compose up -d

使用场景

↳分析多语言代码库并将其导入知识图谱。

↳使用自然语言查询代码库结构和关系。

↳获取 AI 驱动的代码优化建议并执行精确的代码编辑。

收录于以下清单

开源 RAG 知识库与深度研究智能体对比：RAGFlow、MaxKB、GPT Researcher、DeerFlow 等

登录后发表评论

暂无评论，来发表第一条吧

code-graph-rag

活跃·★ 5.3k·MIT·更新于 2026-10-22

#人工智能#ast#Claude Code#代码分析#code-understanding#codebase-search#开发者工具#graph-database

功能特性

01多语言支持

02Tree-sitter 解析

03知识图谱存储

04自然语言查询

05高级文件编辑

为什么选择它

+把多语言代码库变成可查询的函数、类和模块知识图谱。

+可作为 MCP 服务与 Claude Code 配合使用，并用 UniXcoder 嵌入支持按意图的语义搜索。

+自然语言问题通过 Gemini、OpenAI 或本地 Ollama 模型变成 Cypher 查询。

+Tree-sitter 解析涵盖 C++、Java、JavaScript、Lua、Python 等，采用 MIT 许可证。

权衡点

!设置比较重：需要 Python 3.12+、用于 Memgraph 的 Docker、cmake、ripgrep 和 uv。

!使用云端模型需要模型 API 密钥（如 Google Gemini），完全本地运行则需要配置本地 Ollama。

!README 很长（超过 3.5 万字符），并且系统还能编辑代码，所以要审查它给出的改动。

维护状况检查

活跃检查日期: 2026-10-22

最近提交: 2026-10-21
近 90 天提交数: 100+
近 90 天发布数: 18
最新发布: v0.2.10 (2026-10-18)
未关闭 issue: 543
近期 issue 至少有一条评论的比例: 0/4

近 12 周每周提交数

最早的一周在左边，最近 4 周为橙色。数据来源：GitHub 提交统计。

状态规则：GitHub 上已归档 = 已归档；最近提交在 90 天内 = 活跃；91 到 365 天 = 放缓；更久 = 停滞。所有数字来自所示日期的 GitHub API。

适合谁

适合选它的情况

你希望用 Tree-sitter 解析多语言大型代码库（Monorepo），在 Memgraph 中构建函数与类调用图谱，并通过自然语言或 Claude Code MCP 查询和修改代码。
需要结合 UniXcoder 语义向量检索与 Cypher 图数据库查询来理解复杂代码依赖。

建议换别的情况

你的检索对象是 PDF、Word 和幻灯片等办公文档而非源代码仓库；应使用 RAGFlow 或 MaxKB。
不想在本地安装 Docker、Memgraph、cmake 和 Python 3.12+，只需要轻量级代码上下文 MCP；jCodeMunch 或 Context7 更轻便。

与同类的区别

vs jcodemunch-mcp★ 2.8k

code-graph-rag 依赖 Docker 运行 Memgraph 图数据库并将问题转译为 Cypher 图查询；jCodeMunch 同样基于 Tree-sitter 索引代码符号，但无需额外部署图数据库容器。

完整横向对比 →

兼容性

C++

已通过文档验证

Java

已通过文档验证

JavaScript

已通过文档验证

Lua

已通过文档验证

Python

已通过文档验证

Rust

已通过文档验证

快速开始

$ git clone https://github.com/vitali87/code-graph-rag.git

$ cd code-graph-rag

$ uv sync --extra treesitter-full

$ cp .env.example .env

$ docker-compose up -d

使用场景

↳分析多语言代码库并将其导入知识图谱。

↳使用自然语言查询代码库结构和关系。

↳获取 AI 驱动的代码优化建议并执行精确的代码编辑。

收录于以下清单

开源 RAG 知识库与深度研究智能体对比：RAGFlow、MaxKB、GPT Researcher、DeerFlow 等

登录后发表评论

暂无评论，来发表第一条吧

code-graph-rag

功能特性

为什么选择它

权衡点

维护状况检查

适合谁

与同类的区别

兼容性

快速开始

使用场景

同类工具

收录于以下清单

评论

code-graph-rag

功能特性

为什么选择它

权衡点

维护状况检查

适合谁

与同类的区别

兼容性

快速开始

使用场景

同类工具

收录于以下清单

评论