Codegraph教學手冊
CodeGraph 減少 Token 使用教學手冊 版本:v1.0(2026-05-31) 適用 CodeGraph 版本:v0.9.7+ 適用對象:資深工程師、架構師、AI Agent 開發團隊 授權:內部教育訓練使用 目錄 第 1 章 CodeGraph 概述 1.1 什麼是 CodeGraph 1.2 為何出現 — AI Agent 的 Token 困境 1.3 解決的核心問題 1.4 與傳統 RAG 的差異 1.5 Symbol Graph、Knowledge Graph 與 MCP 的關係 第 2 章 CodeGraph 架構 2.1 Tree-sitter AST 解析層 2.2 Symbol 與 Edge 提取 2.3 Resolution 層 2.4 SQLite 存儲層(FTS5) 2.5 Auto-Sync 檔案監視層 2.6 MCP Server 層 第 3 章 AI 為何浪費大量 Token 3.1 Agent 探索模式分析 3.2 Context 爆炸問題 3.3 Tool Call 爆炸問題 3.4 大型專案規模影響 第 4 章 CodeGraph 如何降低 Token 4.1 預建索引 vs 即時掃描 4.2 精準查詢 vs 全域搜尋 4.3 結構化上下文 vs 原始檔案 4.4 官方 Benchmark 數據分析 第 5 章 安裝與設定 5.1 系統需求 5.2 Windows 安裝 5.3 macOS / Linux 安裝 5.4 npm 安裝方式 5.5 Agent 自動設定 5.6 專案初始化 5.7 驗證與狀態檢查 5.8 解除安裝 第 6 章 MCP 工具詳解 6.1 codegraph_search 6.2 codegraph_context 6.3 codegraph_trace 6.4 codegraph_callers 6.5 codegraph_callees 6.6 codegraph_impact 6.7 codegraph_node 6.8 codegraph_explore 6.9 codegraph_files 6.10 codegraph_status 第 7 章 Claude Code 最佳實踐 7.1 MCP + CodeGraph 設定 7.2 Architecture Analysis 7.3 Bug Analysis 7.4 Refactoring 7.5 Feature Development 7.6 CLAUDE.md 配置建議 第 8 章 GitHub Copilot 最佳實踐 8.1 Copilot Agent Mode + CodeGraph 8.2 Symbol Search 優先策略 8.3 Impact Analysis 工作流 8.4 避免 Full Repository Scan 8.5 copilot-instructions.md 配置 第 9 章 Reverse Engineering 最佳實踐 9.1 場景:接手 20 年 Legacy 系統 9.2 Call Graph 快速理解架構 9.3 Dependency Graph 分析模組關係 9.4 Route Graph 理解 API 端點 9.5 逆向工程完整工作流 第 10 章 Framework 升級最佳實踐 10.1 Impact Analysis 找出受影響模組 10.2 案例:Spring Boot 2 → 4 10.3 案例:Java 17 → 25 10.4 案例:Vue 2 → Vue 3 10.5 案例:AngularJS → Angular 10.6 codegraph affected 整合 CI/CD 第 11 章 SSDLC 整合 11.1 SSDLC 與 CodeGraph 11.2 Threat Modeling 階段 11.3 Code Review 階段 11.4 Incident Response 階段 11.5 Dependency Audit 第 12 章 Token 優化五級策略 12.1 五級優化模型 12.2 Level 1:基礎安裝 12.3 Level 2:工具優先 12.4 Level 3:Prompt 工程 12.5 Level 4:工作流整合 12.6 Level 5:全面治理 第 13 章 企業級實踐 13.1 大規模專案的 CodeGraph 部署 13.2 多語言專案 13.3 團隊協作模式 13.4 安全考量 13.5 效能調優 13.6 程式庫使用(Library API) 第 14 章 團隊 AI 開發規範 14.1 AI Coding Standard(團隊範本) 14.2 Prompt Library(團隊 Prompt 庫) 14.3 Code Review Checklist(AI 產生程式碼) 14.4 onboarding 流程(AI 工具) 第 15 章 20 個常見錯誤與解決方案 15.1 安裝與設定類(錯誤 1-5) 15.2 使用模式類(錯誤 6-10) 15.3 Prompt 設計類(錯誤 11-15) 15.4 進階使用類(錯誤 16-20) 第 16 章 AI Agent 工作流與 KGDD 16.1 Knowledge-Graph-Driven Development (KGDD) 16.2 Agent 工作流設計模式 16.3 Multi-Agent 協作與 CodeGraph 16.4 Agentic Workflow 成熟度模型 第 17 章 總結與展望 17.1 核心要點回顧 17.2 採用路線圖 17.3 未來展望 17.4 行動建議 附錄 A:Claude Code 50%+ Token 削減實戰 附錄 B:GitHub Copilot 50%+ Token 削減實戰 附錄 C:知識圖譜成本削減計算 附錄 D:Enterprise AI Coding Standard 附錄 E:Enterprise MCP Standard 附錄 F:Enterprise KG Platform 藍圖 附錄 G:Checklist 第 1 章 CodeGraph 概述 1.1 什麼是 CodeGraph CodeGraph 是一個開源的本地端程式碼知識圖譜工具(MIT License,GitHub 34.9k+ stars),專為 AI 編碼代理(Coding Agent)設計。它利用 Tree-sitter 解析器將程式碼庫轉換為結構化的符號關係圖譜,儲存於本地 SQLite 資料庫,並透過 MCP(Model Context Protocol)Server 將圖譜能力暴露給 AI Agent 使用。 ...