夜雨聆风User 类的定义就在眼前，它还是来回读、猜、再读。那一刻我意识到，我一直在给 Agent 补各种能力，偏偏漏了最基础的一样：一张精确的代码地图。而市面上号称能补这块的，一个个 README 吹得天花乱坠，真假虚实全凭它们自己说。所以今天这篇，我们就不给面子了，直接上硬货：serena、codegraph、graphify、repomix，四个都是给 Agent 装「代码理解能力」的开源项目。同一台机器、同一组任务，谁行谁不行，拉出来溜一溜。来吧，揭晓答案。
这次怎么测的
同一台 Linux 机器，同一个测试项目（两个 Python 文件：user.py 定义 User 类和 greet()，main.py 引用它），四个工具全部实测：
•serena 1.6.1，uv tool install serena-agent
•codegraph 1.5.0，npm i -g @colbymchenry/codegraph
•graphify 0.9.36，uv tool install graphifyy
•repomix 1.18.0，npx repomix@latest
基准任务统一：装好 → 建索引/图谱 → 用「查 User 类」这个动作看它给出什么。GitHub 直连拉代码时踩了不少坑（这个放到最后说），但四个都跑通了。
四家的第一印象
find_symbol | ||||
query User | ||||
query | ||||
npx |
表格只能放一句话，下面逐个说清楚。
四个代码检索 Skill 横向对比总览
serena，最重的那个，也最像 IDE
安装是四个里最「正式」的：uv tool install -p 3.13 serena-agent，装完有 serena、serena-agent、serena-hooks 三个命令。在项目里 serena init 一次成功，自动配置 LSP 后端，还提示可以用 serena setup claude-code 接进 Claude Code。
$ serena initSerena version: 1.6.1Configuration file: ~/.serena/serena_config.ymlLanguage backend: LSPSerena has been initialised successfully.
serena tools list 拉开一看，全是 symbol 级的工具：find_symbol、find_declaration、find_referencing_symbols、find_implementations、rename_symbol、replace_symbol_body…… 别的工具是「帮你搜」，它是「帮你改」。如果你要的是让 Agent 对代码做重构、跨文件改引用，这是唯一一个原生支持这类操作的。
结论：重但值。 代价是要装 uv、要起 LSP 后端；换来的是四个里唯一 IDE 级的语义能力。
codegraph，索引快得离谱
npm i -g @colbymchenry/codegraph，Rust 内核，装完直接 codegraph init：
$ codegraph initIndexed 2 files● 8 nodes, 10 edges in 446ms（生成 .codegraph/codegraph.db，159KB）
446ms 建完两个文件的图谱，这个速度在四个里没有对手。查 User 类：
$ codegraph query "User"class Usersrc/user.py:4import usersrc/main.py:1from user import Userfile user.pysrc/user.py:1method saysrc/user.py:7
更贴心的是 codegraph node User 会把类的成员和调用链一次给全（Called by ← main.py），Agent 不用再自己拼。命令名和它 MCP 工具名一致，意味着 Agent 拿到的能力跟命令行测出来的一样，没有两套。
结论：如果要「快」和「给 Agent 的直接」，这是首选。 唯一小注意：它会收集匿名使用统计，codegraph telemetry off 可关。
graphify，唯一能「看」的
uv tool install graphifyy 装出 graphify 和 graphify-mcp 两个命令。跑一遍：
$ graphify .[graphify extract] found 2 code, 0 docs...[graphify extract] wrote graphify-out/graph.json: 6 nodes, 7 edges, 2 communities
它会生成 graph.html，浏览器打开能点节点、筛选、搜索。这是四个里唯一带可视化界面的。查询用的是 BFS 遍历：
$ graphify query "User 类依赖什么"NODE User [src=src/user.py loc=L4 community=0]EDGE User --method [EXTRACTED]--> .__init__() at src/user.py:L5EDGE User --method [EXTRACTED]--> .say() at src/user.py:L7EDGE .say() --calls [EXTRACTED]--> greet() at src/user.py:L8
它把 imports / contains / method / calls 这些边全标出来，还有 god-nodes（找枢纽）、path A B（两节点最短路径）、merge-graphs（跨仓库合并）。想「看懂一个陌生代码库长什么样」，它最合适。
结论：想看全景、想找枢纽节点，选它。 代价是它在生成可交互图这件事上花的心思，比纯「查得准」更多。
repomix，思路完全不同
npx repomix@latest，免安装，一行跑完。它不做索引，而是把整个代码库合并成一个 AI 友好文件：
$ npx -y repomix@latest --style markdown -o repomix-out.mdTotal Files: 10 filesTotal Tokens: 3,064 tokensSecurity: ✔ No suspicious files detected
生成 repomix-out.md（9,957 chars），带文件树、token 统计、安全扫描。你把它丢给 LLM，说「这个文件是全部代码，帮我分析」，它一次就能看到全部上下文，不用一点点翻。
结论：跟前三个不是一回事。 它解决的不是「检索」，是「把整个库一次喂给 LLM」。适合一次性分析、代码评审、给模型做全量上下文，不适合需要频繁精确查符号的场景。
拿一个「刁钻」任务压一压
我挑了个稍微带点语义的任务：问 User 类里 say() 调用了什么。
实测现场：同一个任务四个工具各给什么
•codegraph：codegraph node User 直接给出 Called by ← main.py 和成员列表，一步到位。
•graphify：query 把 EDGE .say() --calls --> greet() 这条边原样吐出来，带行号。
•serena：find_referencing_symbols / replace_symbol_body 这种粒度是另外两个给不了的，但它更偏向「改」而非「查」。
•repomix：不回答「谁调用谁」，但你把 repomix-out.md 丢给 LLM 后，它能把整个依赖关系讲明白。
如果 Agent 只是要快速定位，codegraph 和 graphify 都够用；如果要动手改，serena 独一档；如果是要一次性看懂整个库，repomix 是对的。
如果是我，我会怎么装
按需求选，不用纠结：
•要 Agent 对代码做重构、跨文件改引用 → serena，IDE 级能力只有它有。
•要轻、要快、要 Agent 能直接调 → codegraph，446ms 建索引，命令和 MCP 工具同名。
•想先看懂一个陌生库长什么样 → graphify，唯一带可视化，还有 god-nodes 找枢纽。
•要一次性把整个库喂给 LLM → repomix，免安装，安全扫描都替你做了。
另外两个小提醒：一是装这些前先确认有 uv（serena 和 graphify 都要）和 Node（codegraph 和 repomix 要）；二是 GitHub 直连拉代码不稳，我这次 clone 超时了好几次，后来用 git clone https://gh-proxy.com/https://github.com/<owner>/<repo>.git 镜像才顺，装之前先把这个准备好。
来源：https://github.com/oraios/serena / https://github.com/colbymchenry/codegraph / https://github.com/Graphify-Labs/graphify / https://github.com/yamadashy/repomix
关注Agent技能库，每天认识一个可用的AI Agent Skill。