第12章 大型代码库变更影响分析:Code-Graph-RAG实践
用例:影响分析
跨整个 monorepo 的变更影响分析
在大型代码库中,最危险的问题往往最简单:这次改动还会影响到什么?Code-Graph-RAG 基于代码知识图谱来回答这个问题,覆盖所有语言和服务,而不只是你能想起 grep 的那几个文件。
痛点
- 对共享模块的一行改动,导致另一个团队负责的服务挂掉。
- 文本搜索无法捕捉动态分发、方法覆写、别名导入和跨语言调用。
- 没人知道哪些测试真正覆盖了被改动的代码。
- 重构代码评审推进缓慢,因为评审者看不到改动的影响范围。
Code-Graph-RAG 如何解决
调用者、被调用者和导入者
通过图谱的 CALLS、IMPORTS 和 REFERENCES 边,定位每一处调用点的文件、行号和列号,包括别名导入和再导出。
覆写与实现
看清签名变更会波及哪些子类、接口实现和方法覆写。
能触达该代码的测试
tests_reaching 沿调用图反向遍历,列出所有能到达某个定义的测试函数,让你优先跑对的测试。
静态分析看不到的运行时调用
cgr trace 会把测试运行中观测到的调用,或生产环境的 eBPF profile,合并进图谱,暴露只有运行时才可见的动态分发。
让 Agent 试试
哪些地方调用了 PaymentService.refund?要跨所有服务。
哪些测试能到达 orders.pricing.apply_discount?
哪些类覆写了 BaseRepository.save?
checkout 服务暴露了哪些端点,谁在调用它们?
涉及的 MCP 工具
callers、callees、importers、implementors、overrides、tests_reaching、endpoint_callers
任何 MCP 客户端均可使用,详见 MCP server 页面。
常见问题
影响分析支持跨语言吗?+
支持。所有语言都解析到同一套图谱 schema,只要依赖关系在代码里可见,查询就能从 TypeScript 客户端一路追到它调用的 Python 或 Go 服务。
编辑后图谱多快更新?+
增量重新摄取只解析被编辑的文件及其直接依赖方。在项目公布的基准测试中,对一个含 1,409 个文件、661,870 行代码的仓库,典型的单文件编辑重新摄取耗时 194 ms(p50)。
在你的 monorepo 上亲自体验
与 Code-Graph-RAG 的工程师预约一次 30 分钟通话,我们会一起评估你的代码库、约束条件以及最快见效的路径。
启动 monorepo 试点 · 预约 30 分钟通话
还在犹豫?花 2 分钟做个 monorepo 评估。
更多用例
面向 AI Agent 的 IDE · 开发者入职 · AI 编码 Agent 的上下文 · 遗留系统现代化 · 数据流与安全审查