CodeGraph 是一个创新的开源项目，旨在通过构建预索引的代码知识图谱，显著提升大型语言模型（LLM）如 Claude Code 在代码库探索和理解方面的效率和准确性。当前，LLM 在分析代码库时，通常依赖于传统的工具（如 grep、glob、Read）逐文件扫描，这不仅消耗大量 Token，导致成本高昂，而且效率低下，探索速度慢。CodeGraph 正是为了解决这一核心痛点而生。
CodeGraph 的核心价值在于它将整个代码库转化为一个语义化的知识图谱，其中包含了符号关系、调用图和代码结构等丰富信息。当 LLM 的代理（如 Claude Code 的 Explore agents）需要探索代码时，它们不再需要进行耗时的文件扫描，而是可以直接查询这个预索引的知识图谱。这种方式极大地减少了工具调用次数和 Token 消耗，并显著加快了探索速度。基准测试结果显示，CodeGraph 能将工具调用次数平均减少92%，探索速度提升71%，在某些情况下甚至能达到96%的工具调用减少和82%的速度提升。
该项目的工作原理是，通过静态分析代码，提取出各种编程语言中的符号、函数、类、变量之间的关系，并构建成一个可查询的图数据库。这个图数据库是100%本地化的，不依赖任何外部服务或API密钥，确保了数据安全和隐私。它支持多达19种主流编程语言，并且能够识别多种Web框架的路由文件，将URL模式与其处理函数关联起来，这对于理解Web应用的架构至关重要。
CodeGraph 的关键特性包括：智能上下文构建（一次工具调用即可返回入口点、相关符号和代码片段）、全文本搜索（基于 FTS5 快速查找代码）、影响分析（追踪任何符号的调用者、被调用者及其影响范围）、以及“始终新鲜”的特性（通过文件监听器实时同步代码变更，无需手动配置）。这些特性共同为开发者提供了一个强大而高效的代码理解工具。
实际应用场景方面，CodeGraph 最适合与 LLM 驱动的代码助手（如 Claude Code）结合使用，以加速代码审查、bug 定位、新功能开发时的代码理解、重构影响分析等任务。对于需要快速掌握大型复杂代码库的开发者来说，CodeGraph 能够提供前所未有的洞察力，帮助他们更快地理解代码逻辑、依赖关系和潜在影响，从而提高开发效率和代码质量。它通过将代码的“语义”暴露给 LLM，使得 LLM 能够以更高级别的抽象来理解和操作代码，而非仅仅停留在文本匹配的层面。