Review Pr (Grade A)Sicherheits-testeter Daten-ai-Fähigkeit für Claude AI. Grade A. Überprüfe einen PR-Beitrag oder einen diff von einer Zweig mit Hilfe eines Wissensnetzes für einen vollständigen Strukturkontext. Ausgabe: Geparate Strukturüberprüfung mit BlaststrahlAnalyse.

Wie geht es mit Monorepos, Git‑Worktrees und mehreren Repos um?

Monorepos: pro Repository‑Root wird automatisch ein Graph erstellt; nur getrackte Dateien werden indiziert, und eine .code-review-graphignore‑Datei kann zusätzliche Pfade ausschließen. Git‑Worktrees: jedes Worktree wird als separater Root erkannt und erhält seinen eigenen Graph; die gemeinsame Nutzung einer einzigen Datenbank über Worktrees bei unterschiedlichen Commits wird nicht unterstützt. Mehrere Repos: ein leichtgewichtiges Registry (gespeichert unter ~/.code-review-graph/registry.json) ermöglicht es MCP‑Clients, über registrierte Projekte hinweg zu suchen, und ein Daemon kann mehrere Repos überwachen, um ihre Graphen aktuell zu halten. Verwenden Sie --repo, --data-dir oder die Umgebungsvariable CRGDATADIR, um Standorte anzupassen.

Asked by Jana Krejčí · Dec 28, 2025

Wie groß muss ein Code‑Base sein, damit sich das lohnt?

Bei weniger als ein paar hundert Dateien ist der Nutzen marginal, da ein Agent häufig das gesamte Repo im Kontext halten kann. Zwischen ein paar hundert und ein paar tausend Dateien liegt der optimale Bereich: Benchmarks an Repos von 60 bis ca. 1.100 Dateien zeigen 38‑ bis 528‑malige Token‑Reduktionen bei Fragen zum gesamten Korpus. Repos mit mehreren tausend Dateien und Monorepos liefern den stärksten Anwendungsfall, weil Agenten nicht den gesamten Korpus pro Anfrage lesen können und inkrementelle Graph‑Updates den Index mit minimalem Aufwand aktuell halten. Auch die Häufigkeit von Multi‑Datei‑Abfragen beeinflusst den Nutzen.

Asked by Wolfgang Krause · Dec 8, 2025

Wie kann ich überprüfen, ob es funktioniert?

1. Stellen Sie sicher, dass die Graph‑Datei existiert und Knoten/Kanten enthält; ein Null‑Count bedeutet, dass der Build nicht ausgeführt wurde. 2. Führen Sie eine Änderung durch und beobachten Sie die Risiko‑Zusammenfassung sowie das Panel „Token Savings“; fügen Sie --verify hinzu, um die Token‑Schätzungen mit dem cl100kbase‑Tokenizer zu prüfen. 3. In Claude Code führen Sie /mcp aus und bestätigen, dass der code‑review‑graph‑Server verbunden ist und seine Tools aufgelistet werden. Stellen Sie dann eine strukturelle Frage (z. B. „Welche Funktion ruft parsefile auf?“) und prüfen Sie, ob der Assistent query_graph verwendet statt nach Text zu greppen. Falls ein Schritt fehlschlägt, lesen Sie die TROUBLESHOOTING.md.

Asked by Elena Rossi · Nov 18, 2025

Sendet es Daten nach außen?

Nein. Es gibt keinerlei Telemetrie. Der Graph wird lokal in einer SQLite‑Datei innerhalb Ihres Repositorys gespeichert, und alle Kernoperationen laufen vollständig auf Ihrem Rechner. Die einzige Netzwerkaktivität ist optional: Das Installieren des Embeddings‑Extras lädt ein sentence‑transformers‑Modell von HuggingFace herunter, und Cloud‑Embedding‑Anbieter (OpenAI, Google Gemini, MiniMax) erhalten ausschließlich die Funktionssignaturen, die Sie ausdrücklich zum Einbetten auswählen, nachdem Sie die Hinweis­meldung zum Datenexport bestätigt haben. Ansonsten verlässt Ihr Code nie die Maschine.

Asked by Lindiwe Mahlangu · Nov 16, 2025

Wann sollte ich es nicht verwenden?

Im README sind mehrere Fälle aufgeführt: sehr kleine Repos (einige hundert Dateien), bei denen der Aufwand für den Graphaufbau die Vorteile übersteigt; triviale Änderungen in einer einzelnen Datei, bei denen die Graph‑Antwort mehr Tokens verbraucht als der rohe Diff; einmalige Fragen zu einem Repo, das Sie nicht erneut besuchen werden; und Flusserkennung in Sprachen, bei denen die Einstiegspunkt‑Erkennung von CRG weniger zuverlässig ist (z. B. JavaScript und Go haben derzeit niedrige Recall‑Werte). In diesen Szenarien reicht in der Regel eine einfache agentische Suche oder ein Grep‑Durchlauf aus.

Asked by Mia Andersen · Nov 12, 2025