代码图谱-锈钢

Name: 代码图谱-锈钢
Author: Jakedismo

作者：Jakedismo10 星标更新：2025-11-20

安装使用来源：spider==github.com

项目介绍

CodeGraph

将您的代码库转换为由嵌入式模型和大语言模型（LLMs）驱动的可搜索知识图谱。

CodeGraph 将您的源代码索引到图数据库中，创建语义嵌入，并公开一个**模型上下文协议（MCP）**服务器，该服务器可以被AI工具（如Claude Desktop、LM Studio等）查询以获取项目感知的上下文。

✨ 您将获得：

🧩 新功能： SurrealDB 索引现在支持本地嵌入（Ollama + LM Studio）和本地重排序——只需设置环境变量，我们将自动写入正确的HNSW列。
🔍 跨整个代码库的语义代码搜索。
🧠 基于LLM的代码智能和分析。
📊 自动依赖关系图和代码关系。
⚡ 由SurrealDB HNSW支持的快速向量搜索（查询延迟2-5毫秒）。
🔌 MCP服务器用于AI工具集成（标准I/O和流式HTTP）。
⚙️ 易用的命令行界面。
☁️ 新功能： Jina AI云嵌入，具有可修改的模型和维度以及重排序。
🗄️ 新功能： SurrealDB HNSW后端，适用于云原生和本地向量搜索。
📦 新功能： Node.js NAPI绑定，实现零开销TypeScript集成。
🤖 新功能： 具有层级感知多步推理的代理代码工具。
🔄 新功能： 带SHA-256文件变化检测的增量索引——仅重新索引修改过的文件。
🔬 实验性： 自动代理框架集成，以改进代理编排。

本地嵌入与重排序（SurrealDB）

CodeGraph现在将Ollama/LM Studio嵌入直接写入SurrealDB的专用HNSW列。选择您想要的模型并设置匹配的环境变量，然后运行codegraph index：

export CODEGRAPH_EMBEDDING_PROVIDER=ollama
export CODEGRAPH_EMBEDDING_MODEL=qwen3-embedding:0.6b   # 或 all-mini-llm, qwen3-embedding:4b, embeddinggemma等
export CODEGRAPH_EMBEDDING_DIMENSION=1024               # 支持384, 768, 1024, 1536, 2048, 2560, 3072或4096维数

# 可选本地重排序（LM Studio暴露了一个兼容OpenAI的重排序器端点）
export CODEGRAPH_RERANKING_PROVIDER=lmstudio

我们自动将嵌入路由到embedding_384、embedding_768、embedding_1024、embedding_2048、embedding_2056或embedding_4096，除非配置了提供者，否则禁用重排序。

⚠️ 重要：MCP服务器架构变更

MCP服务器中的FAISS+RocksDB支持已弃用，转而采用基于SurrealDB的架构。

变更内容：

❌ MCP服务器不再使用FAISS向量搜索或RocksDB图存储。
❌ CLI和SDK不再支持FAISS/RocksDB进行本地操作。
✅ NAPI绑定仍提供对所有特性的TypeScript访问。
🆕 MCP代理工具现在需要SurrealDB进行图分析。

代理工具所需设置：

新的代理MCP工具（如agentic_code_search、agentic_dependency_analysis等）需要SurrealDB：

选项1：免费云实例（推荐）

在Surreal Cloud注册。
获取1GB免费实例——非常适合测试和小型项目。
配置连接详情到环境变量。

选项2：本地安装

# 安装SurrealDB
curl -sSf https://install.surrealdb.com | sh

# 本地运行
surreal start --bind 127.0.0.1:3004 --user root --pass root memory

免费云资源：

🆓 SurrealDB Cloud：在surrealdb.com/cloud获取1GB免费实例。
🆓 Jina AI：在jina.ai获取1000万免费API令牌，用于嵌入和重排序。

为什么进行此更改：

内置图能力：SurrealDB提供了内置的图数据库特性。
统一存储：单一数据库用于向量和图关系，并且可以扩展到关系型和文档使用场景！
云原生：更好地支持分布式部署。
减少复杂性：消除了自定义RocksDB集成层。

参见CHANGELOG.md获取详细的迁移指南。

🔬 实验性：AutoAgents框架

CodeGraph现在支持AutoAgents框架作为代理编排的实验性功能。

AutoAgents是什么？

基于现代Rust的代理框架，采用ReAct（推理+行动）模式。
替换约1,200行自定义编排代码。
与现有的7个代理MCP工具保持兼容。
同样的层级感知提示系统（小/中/大/巨大）。

启用AutoAgents

带有实验性功能构建：

# 使用Makefile
make build-mcp-autoagents

# 或直接使用cargo
cargo build --release -p codegraph-mcp --features "ai-enhanced,autoagents-experimental,ollama"

# 带有AutoAgents的HTTP服务器
cargo build --release -p codegraph-mc --features "ai-enhanced,autoagents-experimental,embeddings-ollama,server-http"

不带AutoAgents（默认）：

cargo build --release -p codegraph-mcp --features "ai-enhanced,ollama"

状态

✅ 核心实现完成。
⏳ 测试和验证正在进行中。
📝 欢迎通过GitHub问题反馈。
🔄 遗留编排器作为稳定的备用方案。

实验性功能通过构建标志启用，并在禁用时不影响现有功能。

🎯 选择您的设置

选择符合您需求的设置：

选项1：本地设置（免费，私密）🏠

最佳适用： 隐私意识用户，离线工作，无API费用。

提供商：

嵌入式： ONNX或Ollama。
LLM： Ollama（Qwen2.5-Coder，CodeLlama等）。

优点： ✅ 免费，✅ 私密，✅ 设置后无需互联网。 缺点： ❌ 较慢，❌ 需要本地GPU/CPU资源。

→ 跳转至本地设置说明

选项2：LM Studio（Mac最佳性能）🚀

最佳适用： Mac用户（Apple Silicon），本地最佳性能。

提供商：

嵌入式： LM Studio（Jina嵌入）。
LLM： LM Studio（DeepSeek Coder等）。

优点： ✅ 120嵌入/秒，✅ MLX + Flash Attention 2，✅ 免费。 缺点： ❌ 仅限Mac，❌ 需要LM Studio应用。

→ 跳转至LM Studio设置说明

选项3：云提供商（最佳质量）☁️

最佳适用： 生产用途，最佳质量，不想管理本地模型。

提供商：

嵌入式： Jina（创建账户即可获得1000万免费令牌）。
LLM： Anthropic Claude或OpenAI GPT-5.1-*。
后端： SurrealDB图数据库（可获得高达1GB的免费云实例！或完全本地运行）。

优点： ✅ 最佳质量，✅ 快速，✅ 1M上下文（sonnet[1m]）。 缺点： ❌ API费用，❌ 需要互联网，❌ 数据发送到云端。

→ 跳转至云设置说明

选项4：混合（混搭）🔀

最佳适用： 平衡成本和质量。

示例组合：

本地嵌入（ONNX）+ 云LLM（OpenAI，Claude，x.ai）。
LMStudio嵌入 + 云LLM（OpenAI，Claude，x.ai）。
Jina AI嵌入 + 本地LLM（Ollama，LMStudio）。

→ 跳转至混合设置说明

🛠️ 安装

先决条件（所有设置）

# 1. 安装Rust
curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh

本地设置（ONNX + Ollama）

步骤1：安装Ollama

# macOS/Linux：
curl -fsSL https://ollama.com/install.sh | sh

# 或从：https://ollama.com/download 下载

brew install onnx-runtime

步骤2：拉取模型

# 拉取嵌入模型
hf (cli) download qdrant/all-minillm-onnx

# 拉取代码智能LLM（可选）
ollama pull qwen2.5-coder:14b

步骤3：构建CodeGraph

cd codegraph-rust

# 构建带有ONNX嵌入和Ollama支持
cargo build --release --features "onnx,ollama"

步骤4：配置

创建~/.codegraph/config.toml：

[embedding]
provider = "onnx"  # 或 "ollama" 如果您喜欢
model = "qdrant/all-minillm-onnx"
dimension = 384

[llm]
enabled = true
provider = "ollama"
model = "qwen2.5-coder:14b"
ollama_url = "http://localhost:11434"

步骤5：索引和运行

# 索引您的项目
./target/release/codegraph index /path/to/your/project

# 启动MCP服务器
./target/release/codegraph start stdio

✅ 完成！ 您的本地设置已经准备好。

LM Studio设置

步骤1：安装LM Studio

从lmstudio.ai下载。
安装并启动应用程序。

步骤2：在LM Studio中下载模型

嵌入模型： jinaai/jina-embeddings-v4。
LLM模型（可选）： lmstudio-community/DeepSeek-Coder-V2-Lite-Instruct-GGUF。

步骤3：启动LM Studio服务器

在LM Studio中，进入“本地服务器”标签。
单击“启动服务器”（运行在http://localhost:1234）。

步骤4：构建CodeGraph

cd codegraph-rust

# 构建带有兼容OpenAI的支持（用于LM Studio）
cargo build --release --features "openai-compatible"

步骤5：配置

创建~/.codegraph/config.toml：

[embedding]
provider = "lmstudio"
model = "jinaai/jina-embeddings-v4"
lmstudio_url = "http://localhost:1234"
dimension = 2048

[llm]
enabled = true
provider = "lmstudio"
model = "lmstudio-community/DeepSeek-Coder-V2-Lite-Instruct-GGUF"
lmstudio_url = "http://localhost:1234"

步骤6：索引和运行

# 索引您的项目
./target/release/codegraph index /path/to/your/project

# 启动MCP服务器
./target/release/codegraph start stdio

✅ 完成！ LM Studio设置已完成。

云设置（Anthropic，OpenAI，xAI & Jina AI）

步骤1：获取API密钥

Anthropic：console.anthropic.com(Claude 4.5模型1M/200k上下文窗口)
OpenAI：platform.openai.com(GPT-5模型400k/200k上下文窗口)
xAI：x.ai (Grok-4-fast具有2M上下文窗口，$0.50-$1.50/M令牌)
Jina AI：jina.ai（用于最先进的嵌入和重排序）
SurrealDB [https://www.surrealdb.com]（用于图数据库后端本地或基于云的设置）

步骤2：构建具有云功能的CodeGraph

cd codegraph-rust

# 构建带有所有云提供商
cargo build --release --features "anthropic,openai-llm,openai"

# 或带有Jina AI云嵌入（Matryoska维度+重排序）
cargo build --release --features "cloud-jina,anthropic"

# 或带有SurrealDB HNSW云/本地向量后端
cargo build --release --features "cloud-surrealdb,openai"

步骤3：运行设置向导（最简单）

./target/release/codegraph-setup

向导将引导您完成配置。

或手动配置 ~/.codegraph/config.toml：

对于Anthropic Claude：

[embedding]
provider = "jina" # 或 openai
model = "jina-embeddings-v4"
openai_api_key = "sk-..."  # 或设置OPENAI_API_KEY环境变量
dimension = 2048

[llm]
enabled = true
provider = "anthropic"
model = "claude-haiku"
anthropic_api_key = "sk-ant-..."  # 或设置ANTHROPIC_API_KEY环境变量
context_window = 200000

对于OpenAI（带有推理模型）：

[embedding]
provider = "jina" # 或 openai
model = "jina-embeddings-v4"
openai_api_key = "sk-..."
dimension = 2048

[llm]
enabled = true
provider = "openai"
model = "gpt-5-codex-mini"
context_window=200000
openai_api_key = "sk-..."
max_completion_token = 128000
reasoning_effort = "medium"  # 推理模型："minimal", "medium", "high"

对于Jina AI（云嵌入和重排序）：

[embedding]
provider = "jina"
model = "jina-embeddings-v4"
jina_api_key = "jina_..."  # 或设置JINA_API_KEY环境变量
dimension = 2048 # 或matryoshka 1024,512,256 调整schemas/*.surql文件HNSW向量索引以匹配您的嵌入模型维度
jina_enable_reranking = true  # 可选两阶段检索
jina_reranking_model = "jina-reranker-v3"

[llm]
enabled = true
provider = "anthropic"
model = "claude-haiku"
context_window = 200000
max_completion_tokens= 25000
anthropic_api_key = "sk-ant-..."

对于xAI Grok（2M上下文窗口，$0.50-$1.50/M令牌）：

[embedding]
provider = "openai"  # 或 "jina"
model = "text-embedding-3-small"
openai_api_key = "sk-..."
dimension = 1536

[llm]
enabled = true
provider = "xai"
model = "grok-4-fast"  # 或 "grok-4-turbo"
xai_api_key = "xai-..."  # 或设置XAI_API_KEY环境变量
xai_base_url = "https://api.x.ai/v1"  # 默认，可以省略
reasoning_effort = "medium"  # 选项："minimal", "medium", "high"
context_window = 2000000  # 2M令牌！

对于SurrealDB HNSW（具有高级功能的图数据库后端）：

[embedding]
provider = "jina"  # 或 "openai"
model = "jina-embeddings-v4"
openai_api_key = "sk-..."
dimension = 2048

[vector_store]
backend = "surrealdb"
surrealdb_url = "ws://localhost:8000"  # 或云实例
surrealdb_namespace = "codegraph"
surrealdb_database = "production"

[llm]
enabled = true
provider = "anthropic"
model = "claude-haiku"

步骤4：索引和运行