开源工具 · 代码分析 · 图数据库

📌 **开源地址：**github.com/colbymchenry/codegraph（⭐ 971 Stars）

📜 **语言：**Python

🏷️ **标签：**code-analysis · dependency-graph · tree-sitter · Neo4j

⚠️ **状态：**Pre-alpha（开发中，欢迎尝鲜）

你有没有过这种经历？

入职第一天，前辈丢给你一个 10 万行 的项目源码，说：“先熟悉一下代码。” 你打开文件夹，几百个文件、几千个函数，谁调谁、谁依赖谁、改一处会不会崩十处——完全看不懂。

又或者你在做 Code Review，看到一个函数 processData() 被改了，你想知道：“还有哪些地方在调用它？改了会不会影响其他模块？”

传统的解决方案是全局搜索 + 人工梳理，费时费力还容易漏。要是能把整个代码库变成一张「关系网」，点点鼠标就能查到所有调用链，那该多好？

💡 **这就是 CodeGraph 想做的事：**把你的代码解析成一张可查询的图谱，函数、文件、类型是「节点」，调用、导入、包含关系是「边」。用图数据库的强大查询能力，秒级回答各种代码关系问题。

CodeGraph 是一个基于图数据库的代码分析工具。它能把你的代码仓库（Python、C、C++、Go、JavaScript）解析成结构化的图谱数据，存入 Neo4j 图数据库，然后通过 REST API 进行高效查询。

它能回答这些问题：

  • 哪些函数调用了 foo？
  • foo 又调用了哪些函数？
  • 函数的完整「调用树」是什么？（递归展开）
  • 谁使用了 foo 的返回值？
  • foo 的定义在哪里？在哪些地方被调用？
  • 哪些文件导入了 foo？
  • foo 的类型是什么？还有哪些函数是同一类型？

三、核心能力详解

🌐 多语言支持

基于 tree-sitter 解析引擎（和 Neovim、Helix 等编辑器用的是同一个），统一支持 5 种主流语言： 语言解析器状态Pythontree-sitter-python✅Ctree-sitter-c✅C++tree-sitter-cpp✅Gotree-sitter-go✅JavaScripttree-sitter-javascript✅

📊 Neo4j 图数据库驱动

为什么不直接用 SQL？因为代码关系天然就是图结构——函数A调用函数B，函数B又调用函数C和D，这种多层嵌套的调用关系，用图数据库查询比传统关系型数据库快几个数量级。

在 Neo4j 中：

  • **节点（Nodes）：**函数、文件、类型
  • **边（Edges）：**调用关系（CALLS）、导入关系（IMPORTS）、包含关系（CONTAINS）

🔍 REST API 查询

启动服务后，通过 HTTP 请求就能查代码关系：

查询谁调用了 processData 函数

GET /api/callers?function=processData

查询 processData 调用了谁

GET /api/callees?function=processData

获取完整调用树

GET /api/calltree?function=processData&depth=5

查找函数定义位置

GET /api/definition?function=processData


### 🐳 Docker 一键部署

项目自带 Dockerfile 和 docker-compose.yml，Neo4j + CodeGraph 一个命令全拉起来，不用折腾环境配置。

![](https://mmbiz.qpic.cn/mmbiz_jpg/fv2vjp5wtzgfK0ibpjzo7RcxDzrthPLuwjpib75mmibfgtYdyO6JicJ8fKnfJOMAiagGOMS2grD0kxDPH3bzJhlJDWqnV9KHdfcuL6njU3STPeZc/640?wx_fmt=jpeg)

## 四、Docker Compose 从零搭建（保姆级）

### 📦 步骤一：安装 Docker

已安装 Docker 的跳过这步。

# macOS
brew install --cask docker

# Ubuntu / Debian
sudo apt-get update
sudo apt-get install docker.io docker-compose-plugin

# 验证
docker --version
docker compose version

📋 步骤二：克隆项目

git clone https://github.com/colbymchenry/codegraph.git cd codegraph

项目结构

├── codegraph/ 核心代码

├── docker-compose.yml Docker 编排

├── Dockerfile 构建镜像

├── requirements.txt Python 依赖

└── setup.py 安装配置


### 🚀 步骤三：一键启动

# 一键启动 Neo4j + CodeGraph
docker compose up -d

# 查看服务状态
docker compose ps
# 期望：neo4b Running 7474,7687 / codegraph Running 5000

🎯 **就这三步！**Docker Compose 自动拉取 Neo4j 镜像、安装依赖、启动服务。整个过程约 2-3 分钟。

🔎 步骤四：解析代码

进入容器

docker compose exec codegraph bash

解析你的代码库

python -m codegraph parse /path/to/your/project

导入 Neo4j

python -m codegraph index

启动查询服务

python -m codegraph serve

访问 API

http://localhost:5000/api/callers?function=main


### 🎮 步骤五：查询代码关系

# 用 curl 查询
curl "http://localhost:5000/api/callers?function=processData"
# 返回：所有调用 processData 的函数

curl "http://localhost:5000/api/calltree?function=main&depth=3"
# 返回：从 main 出发的调用树

# 也可以在 Neo4j 浏览器（http://localhost:7474）用 Cypher 查询：
# MATCH (f:Function {name: "processData"})-[:CALLS]->(c)
# RETURN f, c

💡 不想用 Docker？手动安装也行：

前提：Python 3.6+ 和 Neo4j 数据库

pip install -r requirements.txt

python -m codegraph parse /path/to/project python -m codegraph index python -m codegraph serve


![](https://mmbiz.qpic.cn/mmbiz_jpg/fv2vjp5wtzg17RzZt6p0qeH9tiaed7GLM3YwDACt0xfozhyicrCOwibCzl2iciczEUYRAiabdMIUmeGh2E60CLL2wJWHV5Sn0tjQwib3ASFG0AJNos/640?wx_fmt=jpeg)

## 五、实际使用场景

### 🔍 代码审查（Code Review）

审查 PR 时，快速了解修改函数的影响范围。改了一个工具函数？一键查出所有调用方，确认不会引入 Bug。

### 🏗️ 项目重构 / 迁移

要把一个模块从项目 A 迁移到项目 B？先查清楚它的完整依赖图谱——导入了哪些外部模块、被哪些函数调用——做到心中有数再动手。

### 🔒 安全审计

发现一个不安全的函数？立即追溯所有调用链，定位可能受影响的入口点。从数据流入到流出，完整的值追踪。

### 👋 新人上手

新加入团队的成员，不用再逐文件翻代码。通过调用树，**5 分钟就能理解项目的核心架构和数据流**。

![](https://mmbiz.qpic.cn/sz_mmbiz_jpg/fv2vjp5wtzjibrqD8nMngzY119eiauCjWFJoCpHS56NKqelOVCNblM29OOfQ0htGqebImD6UEEGv33ooMLXlIL7JSBVXribp6Smq7ibGIQZQClk/640?wx_fmt=jpeg)

## 六、技术架构揭秘

CodeGraph 的架构非常清晰，分为**三层**：

### Phase 1：Parse（解析）

使用 **tree-sitter** 将源代码解析为通用 AST，提取：
- 函数定义（类方法、Lambda）
- 函数调用（构造函数、方法调用）
- 变量赋值（类字段）
- 导入语句（import、#include、from...import）
- 导出语句（module.exports、export）
- 类型注解和定义（类、接口、类型别名）

每个节点都带有**位置元数据**（文件路径、行号、列偏移）。

### Phase 2：Index（索引）

将解析结果导入 **Neo4j 图数据库**：
- **节点：**Function、File、Type
- **边：**CALLS、IMPORTS、CONTAINS、RETURNS_TO

### Phase 3：Serve（服务）

**Flask** 提供 REST API，对外暴露查询接口。你可以在任何语言、任何工具中调用。

🧩 **模块化设计：**解析器、索引器、服务器各自独立。想支持新语言（如 Rust、TypeScript），只需新增一个 tree-sitter 解析器，其他部分完全复用。

![](https://mmbiz.qpic.cn/sz_mmbiz_jpg/fv2vjp5wtziapQnuEhlPJEE0OQdLR9xicPUqtmdeneNiaQyOHpAPOKWf29EGSFsCJYyv2mIaXI11mIsmUyVqiauqJLdQgkysgJ1aXmpbEa3jHHg/640?wx_fmt=jpeg)

## 七、优缺点 & 总结

### ✅ 优点
- **多语言支持**——一套工具覆盖 Python/C/C++/Go/JS
- **图数据库**——天然适合代码关系查询，性能远超文本搜索
- **REST API**——可编程集成到 CI/CD、IDE 插件等场景
- **Docker 部署**——环境零配置，docker compose up 即用
- **可扩展架构**——模块化设计，新增语言解析器成本低

### ⚠️ 不足
- **Pre-alpha 阶段**——API 可能随时变动，不建议直接用于生产
- **依赖 Neo4j**——需要额外运行图数据库服务（Docker 已简化）
- **无 GUI**——目前只有 API，可视化需配合 Neo4j Browser
- **无正式 License**——开源但未声明许可证，商用需注意

### 📝 一句话总结

CodeGraph 把「读懂代码」从**人肉翻文件**变成**数据库查询**。虽然还在早期阶段，但思路非常值得借鉴。经常阅读大型代码库的同学，强烈推荐试一试。

🔗 **项目地址：**github.com/colbymchenry/codegraph

⭐ 觉得有用，给个 Star 支持开发者！

![](https://mmbiz.qpic.cn/sz_mmbiz_jpg/fv2vjp5wtzg7ibStBQg3qt2zO9OuASXrhc7zGmajWf6K6hugdUParpT7UTsG10nJTYqGCTibffX9Xr3WkyxrImm2bmXQM97bpbGQ6rZ8eykuE/640?wx_fmt=jpeg)