企业官网建设流程全解析

Code-Graph-RAG 功能演进全览：从 NEWS.md 读懂多语言代码知识图谱的 20 项核心能力

【免费下载链接】code-graph-ragThe ultimate RAG for your monorepo. Query, understand, and edit multi-language codebases with the power of AI and knowledge graphs项目地址: https://gitcode.com/GitHub_Trending/co/code-graph-rag

Code-Graph-RAG 以 Tree-sitter 解析多语言代码库，在 Memgraph 中构建统一图模式的知识图谱，并支持自然语言查询、编辑与优化。本文以仓库的 NEWS.md 为骨架，逐条梳理其最新功能演进：从 14 种语言支持、cgr trace运行时调用追踪、FLOWS_TO数据流分析，到 protobuf 索引、事务性多文件编辑与 MCP 工具矩阵，并结合 scripts/update_news.py、scripts/generate_readme.py 等源码，讲清每条新闻背后的实现机制与实战用法。读完你将掌握该项目的完整能力地图，以及 NEWS.md 如何成为 README「Latest News」的唯一事实源。

NEWS.md 是什么：项目的功能新闻中枢

NEWS.md 是 Code-Graph-RAG 面向用户的功能发布记录，采用「最新在前」的倒序排列。它记录的不是CI、开发工具、构建自动化、重构、文档、测试或缺陷修复，而是用户可感知的核心能力：新语言支持、分析能力、查询能力、图能力与集成能力。文件头部明确写有此约定，并在 scripts/update_news.py 的NON_FEATURE_THEME正则中落地为强制过滤规则（automation|releases?|ci|cd|tooling|refactor|chore|docs|tests?|benchmarks?|perf等主题一律被丢弃，防止非功能条目流入 README）。

文件中有一个关键标记：

<!-- latest-release-end -->

该标记划定了「最新一次发布」的条目范围，是新闻渲染的边界线。

新闻如何生成与渲染：一文件两脚本的流水线

发布时：scripts/update_news.py插入新条目

发布工作流调用 scripts/update_news.py，把发布生成的「Highlights」片段转换为 NEWS.md 标准条目格式- **主题**: 描述：

• 解析并规范化：接受-与*两种列表标记，接受**主题:**与**主题**:两种冒号位置，统一输出为- **主题**: 描述；em-dash/en-dash 一律归一化为连字符（_normalize_dashes）。
• 主题去重：按主题词（casefold 后）与已有条目去重，同一发布重复执行是幂等的（existing_themes+prepend_news）。
• 移动到标记：把<!-- latest-release-end -->移到新插入块之下，使 README 能渲染整个最新发布块，而非固定 top-N。
• 失败即报错：若片段中全是形似条目的行但一条都没解析成功，退出码为 1 并打印告警，避免「生成器格式与解析器漂移」这类静默失败（源码注释中记录了 v0.0.820 全部条目因**Theme:**写法未解析的历史问题）。
• 聚合兜底：当所有高亮都被功能过滤时，回退生成一条**Release Summary**聚合条目，保证每个发布至少留一条新闻。

脚本仅依赖标准库，可在项目环境同步之前于发布流程中运行。

渲染时：scripts/generate_readme.py同步到 README

scripts/generate_readme.py 将 README.md 的Latest News章节作为 SECTION 占位符，调用codebase_rag.readme_sections包的generate_all_sections()生成内容后回填。其中 format_latest_news 读取 NEWS.md，统计latest-release-end标记之上的条目数并整体渲染；若标记缺失则回退到顶部 3 条。因此：

NEWS.md 是唯一事实源，README 只是它的渲染结果。任何手工编辑都应写进 NEWS.md，而不是 README。

同时LATEST_RELEASE_MARKER常量在scripts/update_news.py与codebase_rag/readme_sections.py两处重复定义，且有测试断言两者永不漂移。

最新发布亮点（标记之上）

标记之上的 6 条代表当前最新发布：

• 文件系统操作：平台无关的路径拼接（platform-neutral joins），并加装了「禁止删除项目根目录」的保护；
• 缓存管理：原子发布（atomic publishing）、专用缓存戳（cache stamps）、改进孤儿缓存的删除处理；
• 图查询：引入确定性图查询工具，让代码关系的分析结果可复现；
• 重新摄取与解析：处理已删除文件、重解析关联文件、重建关键数据结构；
• 安全与稳定性：阻止删除项目根、防止编辑被跳过（skipped edits）、处理孤儿缓存；
• C++ 与 Go 集成：解析模块接口（module interfaces）、处理模块级类别名（module-level class aliases）。

「禁止删除项目根」的安全保护可在 codebase_rag/constants/security.py 与相关文件系统操作模块中找到对应实现，属于摄取管线对灾难性误操作的前置防线。

语言支持演进：从 6 种到 14 种及可插拔扩展

NEWS.md 记录了语言支持的关键节点：

• C# 与 Dart：C#（含 Roslyn 语义分析）与 Dart/Flutter 加入图谱，总数达到14 种。完整矩阵见 docs/architecture/language-support.md。
• Ruby：通过一个新的可插拔 ast-grep 层加入图谱——仅凭一个 YAML 模式文件即可为语言生成Module、Function、Class节点及 import 边，无需手写解析器。这验证了 codebase_rag/analyzers/ast_grep_rules/（45 个 YAML 规则）与 codebase_rag/analyzers/ast_grep_analyzer.py 组成的规则驱动管线，相关测试见 test_ast_grep_tier.py 与 test_ast_grep_tier_languages.py。
• C++ 与 Go 增强：解析模块接口、处理模块级类别名，提升了这两个重度多范式语言的图覆盖质量。

README 的「Supported Languages」章节（同样由generate_readme.py生成）补充说明：Ruby、Kotlin、Swift、Elixir、Haskell、Solidity、Bash、Nix 等语言具备基于 ast-grep 的结构化支持（模块、函数、类与 import）。

运行时调用追踪：cgr trace让静态盲区显形

NEWS.md 中最重磅的条目之一：动态运行时追踪。系统运行你的代码（通常是测试套件），把真实发生的调用以CALLS边合并进图谱，静态分析漏掉的调度——接口分发、虚方法、函数指针、反射、框架路由——全部变得可见。

# 将一次运行（测试套件等）转换为调用追踪并合并入图 cgr trace # 或摄取生产环境的 pprof 剖析数据（来自 eBPF 持续剖析器，如 Parca、Pyroscope、OpenTelemetry） cgr trace convert --format ebpf

支持转换的运行来源覆盖Python、JVM、Node.js、.NET、PHP、Lua、Dart、Go、Rust、C/C++十类运行时。实现位于 codebase_rag/trace/cli.py（CLI 入口）、codebase_rag/constants/trace.py，并配套完整的 trace 子目录（含 C 侧 shimcgr_trace_shim.c、Dart 收集器、pprof/speedscope 转换等）；CLI 注册与帮助见 codebase_rag/cli.py 与 codebase_rag/cli_help.py。相关测试覆盖 CLI、speedscope、各语言解析与摄取，例如 test_dynamic_trace_cli.py、test_dynamic_trace_ebpf.py。

数据流追踪：FLOWS_TO污染边覆盖 10 种语言

NEWS.md 记录了图模式新增的FLOWS_TO污染追踪边：值流经赋值、函数调用与 I/O 汇点（sink）的路径都会被建模。本发布为C#、Java、C、Go补上追踪，加上 Python、JavaScript、TypeScript/TSX、Go、Java、Rust、C++、C、C# 使总数达到10 种语言。

在源码侧，FLOWS_TO常量定义于 codebase_rag/constants/graph.py，追踪逻辑分布在 codebase_rag/taint.py、codebase_rag/flow_verdict.py、codebase_rag/parsers/flow_access/ 与 codebase_rag/parsers/io_access/，Cypher 查询模板见 codebase_rag/cypher_queries.py。专项测试包括 test_flow_edges.py、test_flow_lean_transitive_return.py、test_flow_csharp_edges.py、test_io_libc_edges.py 等，覆盖多语言的值选择、分支与跨调用链传递。

Java 侧另有专门的污染改进：JDK shims、链式调用接收者、字面量参数与类型测试模式（type-test patterns）都被纳入追踪（相关测试如 test_java_variable_analyzer_integration.py）；C# 侧则细化了参数绑定、元组解构与 await 管道方法的传播。

结构化搜索与替换：ast-grep 工具化

NEWS.md 宣布结构化搜索与替换：通过 ast-grep 按 AST 模式查找与重写代码，并以 Agent 工具的形式暴露——跨整个代码库做结构匹配与变换，不再依赖文本或正则。

这对应 codebase_rag/analyzers/ast_grep_analyzer.py 及其规则集 codebase_rag/analyzers/ast_grep_rules/（45 个 YAML 规则），测试见 test_ast_grep_analyzer.py 与 test_ast_grep_service.py。此外，结构分析还支持对另外七种语言做 ast-grep 解析，并与 protobuf 索引之间做结构化快照差异对比（structural snapshot diffs）。

图检索与查询能力增强

多条新闻围绕图检索与查询：

• 确定性图查询工具：引入确定性的图查询工具，使代码关系分析结果可精确复现；
• 图索引：name属性被索引以加速图读路径查找；SQL 例程（routines）也被索引，从而解析出以字符串命名目标的调用；
• 边定位信息：调用点（call-site）与导入点（import-site）的位置现在存储在图的边（edge）上，回答「谁在哪一行调用了谁」不再需要二次回源；
• 项目作用域：MCP 与 CLI 的图检索被限定在单个项目内（project-scoped），避免跨项目串扰；
• 调用方落点：caller_qn等落点信息在图谱中持续完善（如 Java、C++ 的调用方命名空间解析，见 test_java_call_caller_qn.py 等）。

这些能力沉淀在 codebase_rag/cypher_queries.py、codebase_rag/graph_query.py、codebase_rag/graph_audit.py 中。

重复代码检测：AST 级查重

NEWS.md 宣布引入基于 AST 的重复代码检测系统，并修复了跨多个仓库场景下的重复检测问题。CLI 侧对应cgr duplicates命令族，核心实现在 codebase_rag/duplicates.py，并作为 MCP/Agent 工具暴露（见下节）。测试覆盖收集、命令、评估与工具四个维度：test_duplicates_collect.py、test_duplicates_command.py、test_duplicates_eval.py、test_duplicates_tool.py。

MCP 与 Agent 工具矩阵

• 直接 MCP 工具：find_duplicate_code与get_function_source以直接 MCP 工具形式暴露，PHP 的use function导入也能通过声明的命名空间解析。工具注册见 codebase_rag/mcp/tools.py 与 codebase_rag/constants/mcp.py。
• MCP 索引一致性：MCP 的 index/update 流程遵循.cgrignore与.gitignore（与 CLI 一致），排除规则不再因入口不同而分叉（相关测试 test_cgrignore.py、test_exclude_patterns.py）。
• 排除集记录：索引时记录排除集，确保--exclude标志在多次运行间一致生效。

MCP 服务端整体结构见 docs/guide/mcp-server.md。

事务性多文件编辑与语言相关修复

• 事务性多文件编辑：多文件编辑以事务方式执行，带分阶段校验（staged verification）与撤销（undo）；每个语言配备保留具体语法的 patcher，重命名与移动（rename/move）时自动重写 import。核心实现在 codebase_rag/editing/transaction.py、codebase_rag/editing/patcher.py、codebase_rag/editing/imports.py，契约定义见 codebase_rag/editing/contract.py，测试见 test_edit_transaction.py、test_edit_contract.py、test_import_rewrite.py。
• 补丁报告：区分「不可验证」与「已验证」的补丁，让 Agent 的编辑结果更可信。
• Scala 继承：Scala 的INHERITS边从extends/with子句读取；Markdown front-matter 被读入Module节点。

索引、完整性与增量一致性

• Protocol Buffer 索引：引入规范化的 protobuf 索引，带 provenance 清单（provenance manifest）与verify校验命令，保证数据完整性。实现见 codebase_rag/services/protobuf_service.py 与 protobuf 定义 codec/schema.proto。
• 结构快照差异：protobuf 索引与结构分析之间可做快照差异（structural snapshot diffs），用于检测索引漂移。
• 索引一致性：增量删除与干净索引状态保持一致（incremental deletes match clean index states），相关测试 test_incremental_deleted_state.py、test_incremental_deleted_dependents.py。
• 缓存管理：原子发布缓存、专用缓存戳与孤儿缓存清理，相关基准见 benchmarks/bench_ast_cache.py、benchmarks/bench_embedding_cache.py。
• 语义前端：新增进程内（in-process）Jedi 语义前端用于 Python，并在监视路径上重跑语义前端以获得更准确的分析。

评估与质量基建

• Agentic QA：新增 Agentic QA 基准测试框架（harness）与索引期基准（indexing-time benchmark），见 evals/agentic_qa.py 与 benchmarks/bench_indexing.py。
• TypeScript 评分：TypeScript 继承关系对照 tsc oracle 评分，提升准确率（相关 eval 见 evals/ts_l1.py）。
• Windows 清理：删除临时仓库前清除只读位，保证 Windows 环境的 teardown 成功。

给维护者的使用约定

如果你想为项目贡献一条新闻：

1. 编辑 NEWS.md，在<!-- latest-release-end -->之上追加- **主题**: 一句话描述；
2. 主题必须指向用户可见的功能（语言支持、分析、查询、图、集成），禁止 CI/工具链/重构/文档/测试/缺陷修复类主题；
3. 运行python scripts/generate_readme.py，脚本会把标记之上的所有条目渲染进 README 的Latest News章节；
4. 发布时由工作流调用python scripts/update_news.py <bullets-file>自动前置新条目并移动标记。

结语

从 NEWS.md 的 20 余条记录可以勾勒出 Code-Graph-RAG 的完整能力版图：以 Tree-sitter + ast-grep 双层解析支撑 14+ 种语言的统一图谱，用cgr trace动态追踪补全静态分析盲区，用FLOWS_TO建立 10 种语言的跨语言数据流追踪，再通过事务性编辑、protobuf 索引、确定性图查询与 MCP 工具矩阵，把「读代码 - 查代码 - 改代码」闭环成可被 Agent 直接驱动的工程能力。配合 scripts/update_news.py 与 scripts/generate_readme.py 构成的新闻流水线，每次发布的功能演进都被稳定沉淀为 README 中机器可读的「Latest News」——这正是观察该项目演进节奏与能力边界的最佳入口。

【免费下载链接】code-graph-ragThe ultimate RAG for your monorepo. Query, understand, and edit multi-language codebases with the power of AI and knowledge graphs项目地址: https://gitcode.com/GitHub_Trending/co/code-graph-rag