每次用 Claude Code 或 Cursor 打开一个中大型项目，第一件事是什么？Agent 开始疯狂调用 grep、ls、cat 去理解代码结构。几十次工具调用、几千个 token，最后才搞清楚"这个项目的入口文件在哪"。
CodeGraph 的思路很简单：与其让 Agent 每次重新探索，不如预先建好一张代码知识图谱，让它直接查询。
它解决了什么真问题
这个问题比我最初以为的更严重。在一个 200+ 文件的项目里，Claude Code 的第一次会话通常会消耗 30-50 次工具调用才能建立基本的代码结构认知。如果按 Claude API 的定价算，光"理解项目"这一件事，每次就要花掉几美分到十几美分。
CodeGraph 的做法是把这种一次性探索变成可复用的索引：
- 预索引：在 Agent 开始工作前，先扫描整个代码库，构建函数、类、模块、依赖关系的图谱
- 本地运行：索引数据 100% 存储在本地，不需要云端 API
- 多 Agent 支持：兼容 Claude Code、Codex、Cursor、OpenCode——只要 Agent 支持 MCP 协议就能接入
效果是什么？根据项目的 commit 记录，最近一次性能优化让工具调用减少了约 70%，token 消耗降低了 35%。这个数字不是官方宣传，是 commit message 里写的：perf(mcp): answer-directly steering — ~35% cheaper, ~70% fewer tool calls。
项目状态：非常活跃
CodeGraph 的 GitHub 数据很能说明问题：
- 12,534 颗星，周增 6,731——本周 trending 第二
- 287 次 commit，最新一条在 1 小时前（添加 Lua/Luau 语言支持）
- 34 个 open issues，63 个 PR——社区贡献活跃
- 22 个分支，7 个 tag——开发节奏有序
作者 colbymchenry 一个人维护着这个项目，但 PR 合并频率很高，说明社区参与度在快速上升。63 个 pending PR 中大部分是语言支持和 bug fix，不是功能膨胀。
实际使用门槛
从文件结构看，CodeGraph 的安装路径相对清晰：
- 有
.claude/skills和.cursor/rules目录，说明它已经为两个主流 Agent 平台做了预配置 src/目录下是核心索引逻辑__tests__/有完整的测试覆盖- 支持的语言在持续扩展（最新加入了 Lua/Luau）
但有一个问题需要注意：它目前依赖 MCP 协议。如果你的 Agent 工具不支持 MCP，就接不进去。好消息是 Claude Code、Cursor 都已经在支持 MCP 的路上，但这意味着你可能需要升级工具版本。
适合谁
如果你每天使用 AI 编程 Agent 处理中大型项目（100+ 文件），CodeGraph 几乎一定会帮你省钱和省时间。索引建一次，后续每次会话都能直接查询代码结构，不用让 Agent 从头摸索。
如果你只是偶尔写个小脚本，或者项目本身就不大，那这个工具的收益不明显——索引的开销可能比直接探索还高。
我会在什么场景用
我自己的日常：维护一个 Astro 站点，大约 200 个 Markdown 文件 + 几十个 Astro/JS 组件。每次让 Claude Code 帮忙重构或排查问题，它花在第一轮代码探索上的时间确实令人烦躁。如果 CodeGraph 能稳定工作，这会是我第一批接入的工具之一。
先跑一遍索引，然后观察工具调用次数的变化。如果 commit 里的数据（70% 减少）能在我的项目上复现，那这个工具的使用成本几乎为零——省下的 token 费用远超过索引的存储开销。
下一步看它会不会支持更多 Agent 框架，以及索引更新机制（代码改了之后图谱怎么增量更新）能不能做到自动化。