AI编程工具的"第二大脑"：两个知识图谱开源项目实测对比

一个 5.3 万 Star，一个 4.2 万 Star，都在做同一件事：给 AI 编程助手装个"预读大脑"

先说结论

当 Claude Code、Codex、Cursor 这些 AI 编程工具面对一个大型代码库时，它们会怎么做？

先是无数轮 grep、find、read——一个个文件翻过去，到处找上下文。大项目里，三分之一以上的 token 花在了"搞清这个文件是干什么的"上。

知识图谱方案干的活很简单：先给你的代码库建一个索引图，然后 AI 直接查图，不用去翻文件了。

目前这个方向有两个主角——Understand Anything（53k stars）和 CodeGraph（42k stars）。两个都在做"代码→知识图谱"这件事，但思路完全不一样。

先说大方向：

• 你想可视化浏览代码结构、给新成员做入职引导 → Understand Anything
• 你想让 AI 编程助手少花 token、提效省成本 → CodeGraph
• 日常开发两者不冲突，可以一起用

下面把两个拆开说清楚。

一、为什么需要"第二大脑"

先讲一个场景。

你刚加入一个团队，代码库 20 万行。Claude Code 启动后，它要做的事情和你一样——先搞清楚项目结构、了解业务逻辑、找到入口在哪。

它怎么做的？find . -name "*.ts" 得到文件列表，然后挨个 read 文件头，再 grep 找引用关系。每做一个操作就要走一遍从调用到返回的完整推理循环，都是钱。

一个真实的基准数据：在 VS Code（约 1 万文件）上跑一次架构问答，没有知识图谱的 Agent 读了 9 个文件、执行了 11 次 grep，总计 21 次工具调用，花了 1.79M tokens。

21 次调用 vs 4 次，1.79M vs 0.64M ——这就是知识图谱带来的差距。

道理很简单：与其每次从头找，不如建一次索引反复查。

二、Understand Anything：给代码库装个"交互地图"

项目地址：github.com/Lum1104/Understand-Anything^[1]Star：53k+ | 协议：MIT

它是干什么的

Understand Anything 的定位很清晰：把你的代码库变成一个可交互的知识图谱。不是给 AI 看的，是给你（和人）看的——虽然它也能给 AI 当插件用。

它原本是 Claude Code 的一个插件，现在支持 Codex、Cursor、Copilot、Gemini CLI、OpenCode 等几乎所有主流 AI 编程工具。

核心能力

1. 结构图浏览 每个文件、函数、类都是一个可点击的节点，可以在浏览器里拖拽、缩放、搜索。选中一个节点能看到它和其它节点的关系——谁调用了它、它依赖谁、它属于哪个架构层。

2. 业务域视图 把代码映射到真实业务逻辑——领域、流程、步骤以水平图表展开。这个对接手遗留系统特别有用。

3. 引导导览 自动生成的架构漫游，按依赖关系排序。新成员加入项目时，可以按它设计的路线逐步学习。

4. 变更影响分析 在 git diff 之后运行，能看到你的改动会影响系统的哪些部分——提交前帮你发现风险。

5. 多角色界面 同一个图，初级开发者看到的是"这是什么"，PM 看到的是"这个模块和业务的关系"，高级工程师看到的是"架构设计和耦合度"。

安装使用

# 作为 Claude Code 插件安装/plugin marketplace add Lum1104/Understand-Anything/plugin install understand-anything# 分析项目/understand# 启动仪表盘/understand-dashboard# 对话式查询/understand-chat How does auth flow work?

支持中文输出：/understand --language zh

首跑会调用一个多 Agent 流水线扫描项目，提取每个文件的函数、类、依赖关系，生成知识图谱存到 .understand-anything/knowledge-graph.json。后续运行是增量模式——只分析变更的文件。

三、CodeGraph：给 AI 的"预读大脑"

项目地址：github.com/colbymchenry/codegraph^[2]Star：42k+ | 协议：MIT

它是干什么的

CodeGraph 是另一种哲学：不是给人看的仪表盘，而是给 AI Agent 用的 MCP 服务器。

它在代码库上建一个 SQLite 索引，然后以 MCP 协议的形式暴露给 Claude Code、Cursor、Codex、OpenCode、Hermes Agent、Gemini CLI 等工具。当 Agent 需要理解代码结构时，直接查索引，不用去读文件。

核心差异

实测效果

CodeGraph 在 7 个真实开源项目上做了对比测试，核心数据：

平均结果：16% 更便宜、47% 更少 token 消耗、22% 更快、58% 更少工具调用。

           传统模式                      CodeGraph模式    ┌───────────────────┐         ┌───────────────────┐    │  Agent 接到问题    │         │  Agent 接到问题    │    │  ↓                │         │  ↓                │    │  grep 搜索关键词   │  ❌     │  codegraph_explore │  ✅    │  find 列文件       │  ❌     │  (一次查询直接返回) │  ✅    │  read 逐文件读取   │  ❌     │  ↓                │    │  提取函数+类+关系  │  ❌     │  综合信息给LLM推理  │  ✅    │  ↓                │         │  ↓                │    │  综合判断给出答案   │         │  综合判断给出答案   │    └───────────────────┘         └───────────────────┘        4-21 次工具调用                 2-4 次工具调用

安装使用

# 安装 CLI（不需要 Node.js）curl -fsSL https://raw.githubusercontent.com/colbymchenry/codegraph/main/install.sh | sh# 或通过 npmnpm i -g @colbymchenry/codegraph# 配置到 AI 工具codegraph install# 初始化项目索引cd your-projectcodegraph init -i

安装后，AI Agent 会多出一个 codegraph_explore 工具，每次需要理解代码结构时直接调用它查索引。

四、两套思路的深层对比

虽然都叫"代码知识图谱"，但两套系统在最底层的假设上就有分歧：

哲学分歧：人 vs 机器

Understand Anything 假设："最终需要理解代码的是人，AI 只是辅助工具"所以它花大量精力在交互仪表盘、可视化、导览体验上。

CodeGraph 假设："最终需要理解代码的是 AI Agent，人是让 Agent 代劳的"所以它完全不做 UI，专注给 Agent 提供高效的查询接口。

这个差异在所有设计决策上都能看到。

索引深度的差异

Understand Anything 的索引包含：

• 文件和目录结构
• 函数、类定义
• 依赖关系（调用链）
• 业务域映射（domain → flow → step）
• 架构分层

CodeGraph 的索引包含：

• 文件和符号关系
• 调用图
• 代码结构关系
• SQLite 全索引，查询即答

差异不大，但 Understand Anything 多了一层"业务域"的抽象——把代码往业务需求上映射。这是一个维度上的不同。

运行效率

CodeGraph 因为用 SQLite 本地索引，查询响应是毫秒级的。Understand Anything 的图谱查询也很快，但它的多 Agent 分析流水线在首跑时会稍重一些。

两者在增量更新上都做了优化——只重新索引变动的文件。

适用边界

五、开源项目生态怎么看

B 站「神秘的鱼仔」这个系列的视频，其实切中了当前 AI 编程一个核心痛点：工具越来越好用，但代码库越来越大了。

有意思的是，这两个项目在 GitHub 上都是今年爆发式的增长——Understand Anything 从零到 53k star，CodeGraph 从零到 42k star，都是在不到一年内完成的。说明需求是真实的、广泛的。

但也要说几点现实：

1. 知识图谱不是银弹。对于 100 文件以下的小项目，建索引的收益很有限——Agent 直接读文件也就几秒钟的事。
2. 首跑有成本。两套系统都需要先做一次完整的项目扫描。大项目（万级文件）首跑可能需要几分钟。
3. 增量更新够用但不是实时的。如果你在频繁地创建和修改代码，索引的更新速度和准确度取决于你设置的触发频率。
4. 不是所有 Agent 都原生支持。虽然两套系统都号称兼容 x、y、z，但实际操作上，Claude Code 的插件生态最成熟，其他工具的集成需要一些手动配置。

六、所以到底装哪个

如果你只能选一个：

• 日常开发主力工具是 Claude Code，且在意 token 费用 → CodeGraph 最直接。装好就见效，省多少钱能看到量化数据。
• 你是团队引入者、架构师，或经常接手新系统 → Understand Anything 的仪表盘和导览功能更有价值。
• 不差钱、不介意多装一个插件 → 两个都装，互为补充。

两个项目都是 MIT 协议，完全本地运行，没有数据隐私问题——这也是它们受欢迎的核心原因。

最后说一句：当你的 AI 编程助手花一个季度 token 来理解你的代码库时，给它预设一个"知识大脑"，可能是今年最值得做的配置调整。

有什么想法可以随时留言沟通

引用链接