语义摘要

IGraph 为文件和符号生成 LLM 语义摘要，让图谱不仅包含结构信息，还包含语义理解。

工作原理

构建过程中，IGraph 将每个符号的源代码和上下文信息发送给 LLM，生成简洁的语义描述。摘要存储在图谱数据库中，供检索和展示使用。

符号摘要

对每个函数、类、组件等符号，LLM 生成一句话摘要，描述其职责和行为：

verifyToken — 验证 JWT 令牌的有效性，检查签名和过期时间，返回解码后的用户信息

文件摘要

对每个文件，基于其导出符号和内部逻辑生成文件级概述：

src/auth/jwt.ts — JWT 认证模块，提供令牌生成、验证和刷新功能

启发式降级

当没有 IGRAPH_API_KEY 或使用 --no-llm 标志时，IGraph 自动切换到启发式摘要：

igraph build --no-llm

启发式方案基于符号名称、参数签名和代码结构自动生成描述，无需联网：

verifyToken(token: string): Promise<User> — 接受 token 参数，返回 User 类型的 Promise

虽然不如 LLM 摘要精确，但保证离线可用。

配置

在 .igraph/config.json 的 llm 部分：

{
  "llm": {
    "baseURL": "https://api.openai.com/v1",
    "model": "gpt-4o-mini",
    "fileSummaryModel": "gpt-4o",
    "temperature": 0,
    "maxConcurrency": 5,
    "promptVersion": "v1.0"
  }
}

字段	说明
model	符号摘要使用的模型（轻量、快速）
fileSummaryModel	文件摘要使用的模型（更强的理解力）
maxConcurrency	并发请求数，避免触发限流

成本控制

符号摘要使用 gpt-4o-mini 等轻量模型即可，文件摘要建议使用更强的模型以获得更好的概述质量。