Question 1

Hogyan kezeli a monorepolást, a git worktree-eket és a többi projektrejekreket?

Accepted Answer

Monorepost: egy grafikus készül automatikusan a projektgyökérra;csak követett fájlok vannak indexelve, és egy .code-review-graphignore fájl elkerülheti további útjelöléseket. Git worktree-ek: Minden worktree-t elkülönített gyökérként észleli és saját grafikus kapott;egy oszlopolással támogatott munkavállalással, a munkavállalások közötti ugyanannak a bemenetnek a változása nem támogatott. Több projektrejekre: egy könnyű regisztrációs ( ~/.code-review-graph/registry.json) létrehoz egy MCP kliens keresni keresztül regisztrált projekteket, és egy daemon figyelhet több projektet, hogy a gráfjaik frissítsen. Használja a --repo, --data-dir, vagy a CRGDATADIR környezeti változót a helyeket a kívánt módon konfigurálva.

Question 2

Mennyi fájlonként van-e értelme ezért?

Accepted Answer

Néhány száz fájl alatt az eljárás szinte értelmét veszti, mert a végrehajtó gyakran mindent a teljes projektre kiterjedően értelmez. Egyébként néhány- több ezer fájlt magában foglaló projektek számolnak be a legrövidebb eljárással, például a 60- ~1,100 fájllal rendelkező projektek esetében 38×-528× a token szám csökkentésének eredménye volt a teljes projektre vonatkozó kérdéseknél. Az eljárással rendelkező projektek, melyek több ezer fájlból állnak, valamint a monorepositóriumok a legerősebb érvelést tartalmazzák, mivel a végrehajtó nem tudja az egész kötetet egymáshoz hasonlóan kikéri a rendszer. Ezért a szükséges eljárást érdemben befolyásolja a végrehajtó által késztetett többszörös fájlkéri gyakorisága.

Question 3

Hogyan ellenőrizem, hogy működik?

Accepted Answer

1. Győződjön meg róla, hogy a grafikus fájlt létrejött és tartalmaz elemeket; nulla érték esetén nem futott le a build.  2. A tokenkímélési panelre kattintson, és figyeljen a kockázati összefoglalóra; adjon hozzá az összehasonlításhoz egy --konzultációt; 3. Claude kód futtatásánál /mcp-et futtassa, és azonosítsa a code-review-graph szerver-t, és annak az eszközeit is. Azután tegyen fel egy strukturális kérdést (pld. "mi hívja a parsefile-ot?"). Verifikálja, hogy az asszisztens a query_grafuszt használja, nem a grep-öt. Amennyiben valamelyik lépés meghiúsul, olvassa el a TROUBLESHOOTING.md-t.

Question 4

Telefonozik haza?

Accepted Answer

Nem. Nullás a nyomon követés. A grafikus adatok helyben vannak tárolva egy SQLite fájlban a repository-ban, és minden alapvető művelet kizárólag a gépen fut. Csak akkor van hálózati tevékenység, ha opcionálisan letöltenk egy félreérthetetlen modellel a HuggingFace-ről. Akkor pedig csak azzal a függvényjelet küldjük tovább, melyeket explicitan le szeretnénk ágyazni, miután elfogadta az elpárologási figyelmeztetést. Egyébként a kód soha nem hagyja el a gépet.

Question 5

Mikor ne használjam?

Accepted Answer

A README-ben szereplő esetek a következők: nagyon kis repók (néhány száz fájl), ahol a gráf létrehozásának többletköltsége meghaladja az előnyöket; triviális, egyfájl-változások, ahol a gráf-válasz több tokent tartalmaz, mint a nyers különbség; egyszeri kérdések egy olyan repón, amelyre nem tér vissza; és a flow érzékelése olyan nyelvekben, ahol a CRG belépési pont érzékelése kevésbé megbízható (jelenleg például a JavaScript és a Go nyelvek esetében alacsony a visszahívás). Ebben az esetekben általában elegendő az egyszerű ágensek keresése vagy a grepelés.

Question 6

Ez az eszköz összehasonlításra kerül a Serena, codegraph, claude-context és repomix alkalmazásokkal.

Accepted Answer

Ezek az eszközök szomszédos problémákat oldanak meg. A code-review-graph egy Tree-sitter AST-t épít egy tartós SQLite gráfba, amely a felülvizsgálatra összpontosító élekkel (robbanás sugarát, kockázatértékelés, tesztrés-detection). A Serena az LSP-háttérrel történő szimbólumvisszanyerést és szerkesztést használja, a szerkesztésre összpontosítva, nem a felülvizsgálatra. A codegraph a végrehajtástól függően változhat, de általában AST/hívási gráf indexelést biztosít. A claude-context egy vektor tárolót használ a szemantikai kódkereséshez, amely a keresésre alkalmas, nem a strukturális felülvizsgálatra. A repomix egy teljes repo tartalmát egyetlen AI-barát fájlba csomagolja anélkül, hogy strukturális lekérdezéseket tartalmazna. Válassza ki az eszközt attól függően, hogy pontos szerkesztésre (Serena), szemantikai keresésre (claude-context) vagy felülvizsgálat-orientált strukturális elemzésre (code-review-graph) van szüksége.

Question 7

Miért nem egyszerűen keresünk?

Accepted Answer

A grep működik egyszerű egy-házból, például a "hol van a parsefile meghatározva?" de szenved a sok-házból, az átfogó strukturális kérésekkel, amelyek a transzcendentális nyomkövetéseket, a tesztkövetéseket, vagy a hatókör-érték elemzéseket igénylik. Mindegyik további ugrás egy további grep-ekvivalensek, növeli a token- használatot és kezeli a hamis pozitívumokat az átfogott nevektől. A CRG a számlálóképtelenekkel egyetlen gráfkérdést ad, a tárolt szerkezetet függetleníti az SQLite-ben és fokozatos frissítést biztosít, elkerülve a megismételt bejárásokat és biztosítva a kéréseket, mint például "milyen futási útvonalak érintnek ezt a változást?

Question 8

Isn't this just RAG?

Accepted Answer

No. RAG splits your code into text chunks, embeds them, and retrieves chunks by similarity to the query. It cannot answer structural questions such as "who calls X" because similarity provides no guarantee of a call relationship. CRG stores structural edges parsed from the AST—calls, imports, inheritance, test coverage—so a query like "who calls login()" is answered by a graph lookup. Embeddings are optional and used only as a hybrid search aid. Benchmarks show CRG achieving 0.909 on multi‑hop retrieval tasks, whereas pure similarity retrieval cannot perform the second hop.

Question 9

How is this different from LSP and language servers?

Accepted Answer

Language servers and code-review-graph (CRG) both build a structural model of your code, but they optimize for different things. LSP is backed by a real compiler frontend, giving type‑aware, semantically precise results such as exact go‑to‑definition, find‑references, live diagnostics, completions, and safe renames. CRG uses a single persistent graph stored in SQLite, parses once with Tree‑sitter, and supports about 35 languages plus notebooks from one process. It provides cross‑language edges, incremental updates, and review‑oriented edges like tests‑for, execution flows, and risk‑scored change analysis that LSP does not model.

Áttekintés

Fő funkciók

Árazás

Felhasználási esetek

Kód Áttekintés

Kockázatértékelés

Előnyök és hátrányok

Előnyök

Hátrányok

Értékelések

Kérdések

Kérdezz

Készségek alternatívái