夜雨聆风点击蓝字 关注我们
一些想法
这篇讲的是一个 Claude Code 插件：Understand Anything。
我看完第一反应是，这个东西很适合解决一种真实痛苦：接手一个大项目时，你知道代码都在，但不知道从哪儿看起。
搜关键词能搜到文件。看调用栈也能顺着摸。问题是，这些动作都很碎。你看到一堆函数、一堆文件、一堆依赖，却很难一下子知道：这个系统到底怎么组织，哪些模块重要，改一个地方会牵动哪里。
Understand Anything 想做的事，就是把代码库先扫一遍，再用多 Agent 和大模型补上语义解释，最后生成一个本地网页仪表盘。你可以在里面看架构图、点进组件、走引导式导览，也可以查两个节点之间的依赖路径。
下面是 Better Stack 这篇文章的中文翻译。
原文信息：
作者：Stanley Ulili
来源：Better Stack Community
更新时间：2026 年 5 月 23 日
原文标题：Understand Anything: AI-Generated Knowledge Graphs for Large Codebases
原文链接：
https://betterstack.com/community/guides/ai/understand-anything/
许可：Creative Commons BY-NC-SA 4.0
Understand Anything：给大代码库生成 AI 知识图谱
Understand Anything 是一个开源 Claude Code 插件。它可以把一个代码仓库转成可交互、可查询的知识图谱。
它会把静态分析和多 Agent LLM 处理结合起来，生成语义摘要、架构图，以及代码库的引导式导览。
最后的结果会通过一个本地网页仪表盘展示出来。
它解决什么问题
大代码库最难的地方，是你人在里面，却看不清全貌。
`grep` 可以帮你找到某个词出现在哪里，但它给不了架构上下文。
手动追调用栈很慢，也容易错。你可能要在几十个文件之间来回跳。
项目文档经常过期。
AI 编程助手也有同样的问题。它通常只能根据你放进上下文的文件回答。一旦缺少整个系统的理解，回答就容易变得泛，甚至开始瞎猜。
核心问题在于：代码作为文本，本身不会自动告诉你它的目的、归属，以及系统级连接。
Understand Anything 的做法是，把这些结构显式建出来。
它怎么工作
整个过程分三步。
第一步，Scan。
它会对代码仓库做静态分析，先生成一个结构骨架。这个骨架包括文件、函数、类、依赖关系、调用关系。
第二步，Map。
多个 LLM Agent 会在结构骨架上补语义信息。比如推断业务领域，总结函数用途，识别架构模式，梳理数据流。
第三步，Teach。
输出结果会变成一个本地交互式仪表盘。开发者可以在里面探索图谱，跟着引导式导览学习项目，用语义搜索找东西，也可以追踪依赖路径。
这个三步挺好理解：先扫结构，再补含义，最后教你看。
图 1：Understand Anything 的 Scan → Map → Teach 思路。
安装和分析
原文用 Google 的 Online Boutique 微服务 demo 做例子。
这是一个多语言应用，里面有 Go、C#、Node.js、Python、Java。
先克隆目标仓库：
git clone https://github.com/GoogleCloudPlatform/microservices-demo.gitcd microservices-demo
然后在 Claude Code 终端会话里添加插件源，并安装插件：
图 2：在 Claude Code 里安装 Understand Anything 插件。
/plugin marketplace add Lumina-Labs/Understand-Anything/plugin install understand-anything/plugin reload-plugins
接着运行分析：
/understand-anything:understand工具会扫描仓库，构建图谱，然后调用 LLM。
在 Online Boutique 这个 demo 里，整个过程大约花了 30 分钟，消耗了约 20 万 token。
代码库越大、越复杂，时间和 token 成本越高。
如果是大项目，需要一个 token 额度足够的付费 LLM 计划，比如 Claude Max。
分析完成后，启动仪表盘：
/understand-anything:dashboard这会启动一个本地网页服务。打开下面这个地址，就能看到交互式图谱：
http://127.0.0.1:8888仪表盘功能
高层架构视图
初始视图会显示项目的鸟瞰图。
服务和模块会作为节点出现，依赖关系或通信路径会作为边出现。
这一步的价值很直接：你不用先钻进文件夹里猜项目结构，可以先看系统地图。
图 3：Online Boutique 项目的高层架构图。
组件下钻
点击任意节点，就能进入它的内部结构。
原文里举了 `FRONTEND SERVICE` 节点的例子。
选中它后，可以看到组成这个服务的文件，比如 `main.go`、`handlers.go`，以及它们之间的依赖。
右侧详情面板会显示 AI 生成的文件摘要、关键语言概念和库、语义标签，以及这个文件里定义的函数和类。
这些函数和类也可以继续点击。
这一类功能适合你刚接手项目时用。你不用靠猜，也不用靠同事一句一句解释。
引导式导览
Guided tour 是一个 AI 生成的项目导览。
它会按比较合理的顺序带你看项目里的重要部分。
比如先从 `README.md` 的项目概览开始，再看服务契约，也就是 `gRPC` 定义，然后看前端入口、结账流程编排等等。
每一步都会高亮相关图谱节点，并在详情面板里解释这个组件。
这比普通“项目介绍”更有用，因为它是针对当前代码库生成的。
换句话说，它给的是项目自己的学习路线。
图 4：Guided tour 会按顺序带你看项目的重要部分。
依赖路径查找
Dependency path finder 可以接收图谱中的任意两个节点，然后返回连接它们的最短依赖路径。
这个功能很适合三类场景。
调试时，你可以追踪数据从来源到消费者的路径。
做影响分析时，你可以看某个文件或函数改动之后，会影响哪些下游部分。
学习项目时，你可以发现一些不太明显的架构连接。
大项目里，真正麻烦的经常是另一件事：这个函数和别的东西到底怎么连起来。
图 5：Dependency Path Finder 用来查两个节点之间的连接路径。
实际用途
第一，新人入职。
新团队成员可以按自己的节奏探索项目，不必依赖过期文档。
引导式导览可以给他们一个结构化入口。
第二，给 AI 助手提供上下文。
在让 Claude Code 或其他助手写代码、改代码之前，图谱可以帮你找出相关文件、函数和数据结构。
把这些精确上下文交给 AI，得到的建议通常会更贴近项目架构。
第三，重构前做影响分析。
改函数签名、删除组件、移动模块之前，可以先用依赖路径查找和图谱探索看下游影响。
这能降低意外破坏的风险。
图 6：原文用一张请求流图说明工具提供的上下文理解。
代价
初始分析很花时间，也很吃 token。
对大代码库来说，这是一个明显的前置成本。
工具还需要一个能力足够强、上下文额度足够高的 LLM。小模型或免费档很可能在分析中途撞到上下文限制。
还有一个问题：生成出来的知识图谱只是一个快照。
代码库继续变化后，图谱也要重新生成，才能保持最新。
如果大型项目频繁重新分析，成本会比较高。
摘要和语义标签的质量，也取决于 LLM 推理能力。
如果代码写法很少见，或者逻辑特别密，生成出来的描述可能不如结构清楚的代码准确。
最后
Understand Anything 解决的是一个真实瓶颈：原始代码和系统级理解之间的落差。
它最适合大而陌生的代码库。
在这种场景里，常规办法往往很慢：`grep`、来回跳文件、问同事、翻旧文档。
它里面最有价值的功能，是引导式导览和依赖路径查找。
这两个能力，是普通静态分析工具和常规代码搜索很难直接给你的。
主要限制还是 token 成本。
如果一个团队经常要让新人理解大型代码库，或者需要维护复杂遗留项目，这个成本可能值得。
如果只是小项目，或者偶尔用一次，轻量工具可能已经够了。
源代码和安装说明在 GitHub 上。
原文链接：
https://betterstack.com/community/guides/ai/understand-anything/
许可说明：
原文采用 Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License。本文为中文翻译与整理，保留作者、来源与原文链接，并按相同许可分享。