Review Pr (Grade A)セキュリティテストデータ-AIスキル、クラウドAIのA評価。 プルリクエストまたはブランチ差分をナレッジグラフで構造的コンテキストでレビューする、全方位分析。

モノレポ、git worktree、複数リポジトリをどのように扱いますか？

モノレポ：各リポジトリルートごとに自動的に1つのグラフが作成されます。追跡対象のファイルのみがインデックスされ、追加のパスを除外するには .code-review-graphignore ファイルを使用します。Git worktree：各 worktree は別々のルートとして検出され、独自のグラフを取得します。異なるコミットの worktree で単一のデータベースを共有することはサポートされていません。複数リポジトリ：軽量なレジストリ（~/.code-review-graph/registry.json に格納）により、MCP クライアントは登録済みプロジェクト全体で検索できます。また、デーモンは複数のリポジトリを監視してグラフを更新し続けることができます。--repo、--data-dir、または CRGDATADIR 環境変数を使用して場所をカスタマイズできます。

Asked by Jana Krejčí · Dec 28, 2025

コードベースの規模はどの程度が妥当ですか？

数百ファイル未満では、エージェントがリポジトリ全体をコンテキストに保持できるため、メリットはほぼ無視できます。数百ファイルから数千ファイルの範囲がベストです。60ファイルから約1,100ファイルのリポジトリを対象としたベンチマークでは、全コーパス質問に対して38〜528倍のトークン削減が確認されています。数千ファイルを超えるリポジトリやモノレポは、エージェントがクエリごとに全コーパスを読み取れないため、最も効果的です。インクリメンタルグラフ更新でインデックスを最低コストで最新状態に保つことができます。複数ファイルにわたるクエリの頻度も、効果に影響します。

Asked by Wolfgang Krause · Dec 8, 2025

動作していることをどうやって確認しますか？

1. グラフファイルが存在し、ノード/エッジが含まれていることを確認します。ゼロ件の場合、ビルドが実行されていません。2. 変更を実行し、リスクサマリーと Token Savings パネルを観察します。--verify を追加して、cl100kbase トークナイザーとトークン推定値を照合します。3. Claude Code で /mcp を実行し、code‑review‑graph サーバーが接続され、ツールが一覧表示されていることを確認します。その後、「what calls parsefile?」などの構造的な質問を投げ、アシスタントが grepping ではなく query_graph を使用していることを検証します。いずれかのステップが失敗した場合は、TROUBLESHOOTING.md を参照してください。

Asked by Elena Rossi · Nov 18, 2025

電話をかけますか？

いいえ。テレメトリーは一切ありません。グラフはリポジトリ内のSQLiteファイルにローカルで保存され、すべてのコア操作は完全にマシン上で実行されます。ネットワーク活動はオプションです。embeddings extra をインストールすると HuggingFace から sentence‑transformers モデルをダウンロードします。クラウド埋め込みプロバイダー（OpenAI、Google Gemini、MiniMax）は、許可した関数シグネチャだけを受け取り、エグレス警告に同意した後に送信されます。それ以外の場合、コードはマシンを離れません。

Asked by Lindiwe Mahlangu · Nov 16, 2025

いつ使わない方が良いですか？

READMEにはいくつかのケースが列挙されています：グラフ構築のオーバーヘッドがメリットを上回る非常に小規模なリポジトリ（数百ファイル程度）、グラフ応答が生のdiffよりも多くのトークンを消費する単純な単一ファイル変更、再訪問しない1回限りのリポジトリに関する質問、そしてCRGのエントリーポイント検出が信頼性の低い言語（例：JavaScriptやGo）でのフローディテクションです。これらのシナリオでは、単純なエージェント検索やgrepで十分な場合が多いです。

Asked by Mia Andersen · Nov 12, 2025