code-review-graph Skill 技能

code-review-graph 是一款基于 Tree-sitter 的代码结构分析 MCP 工具，通过构建代码的结构图谱并追踪增量变化，让 AI 编程工具在做代码审查时只读取与本次变更相关的代码，将 token 消耗降至传统方案的 1/82。

AI 代码审查的核心问题：大多数 AI 工具做 code review 时会重新阅读整个代码库——一个中等规模 Flask 项目就要消耗 143,594 tokens，而 graph 答案只需 2,196 tokens，差距高达 71 倍。这不仅浪费 token，还会让 AI 关注无关上下文，影响审查质量。

核心技术原理： • Tree-sitter 结构解析：用 Tree-sitter 解析代码的抽象语法树（AST），建立代码结构依赖图谱 • 增量变更追踪：每次代码变更只追踪受影响的部分，不重复读取未改动的模块 • MCP 协议接入：通过 Model Context Protocol 将精确上下文传递给 AI 编程工具 • 多语言支持：Python/JavaScript/TypeScript/Rust/Go 等主流语言

性能数据（6 个真实代码库验证）： • Flask corpus：143,594 tokens → 2,196 tokens，节省 71 倍 • Django：数十万 token 级别 → 千级 token • 中央值：约 82 倍 token 削减

安装：pip install code-review-graph 使用：code-review-graph review --diff HEAD~1（对本次变更进行审查）

还支持 GitHub Action 模式，可集成到 CI/CD 流程中自动执行 AI code review。

适用人群：需要在大型代码库上做 AI 代码审查的团队，以及关注 token 成本和审查质量的开发者。