AI 帮你 Review 代码时别再烧 Token 了

AI 帮你 Review 代码时别再烧 Token 了

你有没有过这种经历：新入职一个项目，仓库 20 万行，让 Claude Code 或 Cursor 帮你做 Code Review，结果它前前后后把整个代码库读了一遍，Token 哗哗地流，账单看着心梗。

现在有一个 GitHub Trending 项目可能解决这个问题：Code Review Graph。

它是什么？

一句话总结：给代码库建一张”结构地图”，让 AI 做代码审查时，只读真正相关的那部分，而不是把整个仓库喂进去。

项目地址：https://github.com/tirth8205/code-review-graph

作者是 tirth8205，目前已经在 GitHub Trending 上榜，项目用 Python 编写，采用 MIT 协议，核心依赖 Tree-sitter 做确定性解析，再通过 MCP 协议把结构化上下文喂给 AI 编码工具。

核心原理

• 建图：用 Tree-sitter 解析代码，生成一张包含文件、函数、类、依赖关系的持久化图谱
• 增量更新：只分析改动过的文件，不用每次全量重建
• 按需注入：AI 审查时，根据当前变更精准检索相关节点，而不是把整个仓库塞进 context
• MCP 服务：兼容 Claude Code、Codex、Cursor、Gemini CLI、Copilot、Kiro 等主流平台

实际怎么用？

安装只需要一行：

pip install code-review-graph
code-review-graph install   # 自动识别你用的 AI 工具并配置
code-review-graph build     # 解析当前代码库

之后直接在你的 AI 编程工具里说”Build the code review graph for this project”或者让它 review 某个 PR，它会自动引用图谱里的精准上下文，而不是盲目读全量文件。

官方还提供了卸载命令、GitHub Action 集成、benchmark 复现文档，以及中/日/韩/印地语多语言 README，可见作者在产品化上是认真的。

为什么值得关注？

2026 年 AI 编程工具的瓶颈早就不是”能不能写代码”，而是”Token 成本和上下文窗口怎么省”。Code Review Graph 把”代码理解”从一次性全量读取，改成了一张可检索、可增量更新的知识图谱，思路很像数据库里的索引——先建索引，再查数据。

对于经常用 AI 做大仓库 Code Review、或者团队想降低 AI 编程成本的人来说，这个项目值得一星。

GitHub：https://github.com/tirth8205/code-review-graph

沈星河 | AI 行业观察，关注海外优质开源项目

GitHub: https://github.com/tirth8205/code-review-graph