IGraph

代码知识图谱构建工具

解析 → 语义化 → 向量化，将代码仓库转化为可查询的知识图谱，让 AI 助手真正理解你的代码

快速开始 →CLI 参考

$npm install -g igraph-cli

对比效果

同一个需求，两种结果

当 AI 助手接入代码知识图谱后，从「凭猜测修改」变为「精准跨模态编排」。

给订单列表加一个按支付状态筛选的功能。

Coding Agent

grep "订单" · grep "支付状态" — 反复检索关键词定位相关文件

看起来要在订单列表页加一个支付状态筛选，我先找到相关页面和查询函数改一下。

Edit 订单列表页组件 — 新增支付状态下拉

Edit getOrderList — 凭猜测加了 status 查询参数

😊完成！已加上支付状态筛选下拉和查询参数。

字段名和可选状态值我是按常见写法猜的，你确认下对不对。

⚠ 遗漏了这些

✕ PRD 验收标准 — 未读 PRD-012，漏了「未支付超 30 分钟自动关闭不展示」等规则

✕ DB 真实字段 — 猜成 status，实际是 t_order.pay_status（枚举值不同）

✕ 状态下拉数据源 — 没接 useDict 字典，选项写死或缺失

✕ 导出功能 — exportOrderList 未同步加支付状态筛选

✕ 后端接口参数 — 服务端查询未加 pay_status 过滤

✕ 单元测试 — 用例会因参数结构变化而失败

Coding Agent✦ IGraph MCP

igraph_explore "订单列表支付状态筛选" · 语义级检索（非关键词 grep）

🎯 已澄清需求：一次命中 PRD-012 + getOrderList + pay_status 字段

PRD PRD-012《订单管理》— 未支付超 30 分钟不展示等验收规则

FN getOrderList — 订单列表查询函数

DB t_order.pay_status — 支付状态真实字段

FN useDict — 支付状态下拉字典数据源

FN exportOrderList — 订单导出函数

需求已澄清：按 pay_status 字段筛选，状态取 useDict 字典，未支付超 30 分钟的订单不展示。这是跨模态改动，计划如下：

🚀 计划 · 6 步

1. PRD-012 验收规则对齐（超时未支付不展示）

2. getOrderList 新增 pay_status 过滤

3. 后端接口新增 pay_status 参数

4. useDict 支付状态字典接入

5. exportOrderList 同步支付状态筛选

6. 更新订单列表单元测试

Edit 跨模态精准改动共 6 个文件

😎完成。字段名精准、符合 PRD 规则、导出与测试同步更新，完整 diff 已就绪。

✅ 无一遗漏

✓ PRD 验收标准✓ DB 真实字段✓ 状态下拉数据源✓ 导出功能✓ 后端接口参数✓ 单元测试

可视化探索

看见代码库的全貌

每个符号是一个节点，每条调用和依赖是一条边。节点越大，连接越多。

igraph · graph view

代码符号 PRD 文档 DB Schema 调用 & 依赖

工作流程

三条命令，从零到可查询

初始化、构建、注册。IGraph 自动处理解析、摘要、向量化与 MCP 接入。

Terminal

❯ igraph init

✓ 配置文件已生成：.igraph/config.json

❯ igraph build

✓ 解析完成：142 个文件，856 个符号节点

✓ 语义摘要：856 个符号 + 142 个文件

✓ 向量索引：998 条嵌入已写入

耗时 12.3s

❯ igraph register

✓ 已注册到 Claude Code：.mcp.json

✓ 已注册到 Cursor：.cursor/mcp.json

核心能力

为 AI 编码而生的知识图谱

从代码解析到语义理解，从向量检索到 MCP 集成，覆盖完整链路。

🌳

多语言解析

tree-sitter 驱动的 5-Pass 流水线，支持 TypeScript / JavaScript / Python，提取函数、类、组件及调用关系

🧠

语义摘要

LLM 为文件与符号生成语义级摘要，无 API Key 时自动走启发式降级方案

🔍

双通道检索

BGE-M3 向量 + FTS5 全文检索经 RRF 融合，精准定位代码符号与逻辑

📎

多模态挂载

挂载 PRD 文档、DB Schema 等外部资源，按语义相似度建立跨模态关联

⚡

增量构建

基于 SHA-256 diff 的级联更新机制，仅重建受影响文件，大幅节省构建时间

🤖

MCP 集成

一条命令接入 Cursor / Claude Code，AI 助手可直接查询知识图谱

工作原理

从源代码到智能检索

IGraph 通过三个阶段将代码仓库转化为 AI 可查询的知识图谱。

解析 — 构建结构图

tree-sitter 解析源代码，提取函数、类、组件等符号节点，建立调用、继承、导入等关系边。

语义化 — 注入理解

LLM 为每个符号和文件生成语义摘要，BGE-M3 将摘要和源码转化为 1024 维向量。

服务 — AI 助手直接查询

通过 MCP Server 暴露 4 个只读检索 Tool，AI 助手用自然语言提问，返回相关符号和上下文。

让 AI 助手理解你的整个代码库

三条命令即可完成接入，从此告别上下文丢失。

开始使用 →