企业官网建设流程全解析

code-review-graph接入Cursor、Codex、Gemini CLI实战：多平台配置一次讲清

【免费下载链接】code-review-graphLocal-first code intelligence graph for MCP and CLI. Builds a persistent map of your codebase so AI coding tools read only what matters, with benchmarked context reductions on reviews and large-repo workflows.项目地址: https://gitcode.com/GitHub_Trending/co/code-review-graph

code-review-graph 是一个本地优先的代码智能图谱工具，它通过 MCP（Model Context Protocol）把代码库的调用关系、依赖关系变成一张持久化图谱，让 Cursor、Codex、Gemini CLI 等 AI 编程工具在代码审查时只读取真正相关的内容。实测中，图查询比读取整个代码库平均节省约 65 倍 token。本文手把手带你把这套「多平台接入」一次配清楚。

为什么需要代码图谱：AI 审查别再全量读代码

以前 AI 审查代码，往往要逐个文件重新读，仓库越大浪费越多。code-review-graph 的思路是：先用 Tree-sitter 把代码库解析成图谱（函数、类、导入是节点，调用、继承、测试覆盖是边），AI 审查时只需向图谱提问，拿到「最小必要文件集」。

整个架构链路是：仓库 → 解析器 → SQLite 图谱 → 影响半径分析 → 最小审查集。图谱数据全部存在项目内的.code-review-graph/目录，不依赖任何外部数据库或云服务。

一键安装：自动识别所有平台

整个接入过程只有三步，要求 Python 3.10+：

pip install code-review-graph code-review-graph install # 自动检测本机装过哪些 AI 工具，逐个写入正确配置 code-review-graph build # 解析整个代码库，500 文件的项目约 10 秒

install命令是核心：它会自动检测你安装了哪些 AI 编程工具，为每个工具写入对应的 MCP 配置，在支持的平台安装原生 hooks 和技能（skills），并注入图谱感知的项目规则。检测到uvx时会优先用uvx生成配置，否则直接调用code-review-graph命令。

如果只想配置某一个平台，用--platform参数即可，例如本文主角三者：

code-review-graph install --platform cursor # 只配 Cursor code-review-graph install --platform codex # 只配 Codex code-review-graph install --platform gemini-cli # 只配 Gemini CLI

平台检测逻辑与配置路径定义在 code_review_graph/skills.py 的PLATFORMS字典中，想确认某个平台的行为可以直接查源码。

配置 Cursor：项目级 MCP 文件 + 全局钩子

Cursor 的接入点在项目目录，写入.cursor/mcp.json（mcpServers键）。这是所有平台中最简单的一种：

• MCP 服务：写入当前项目的.cursor/mcp.json，随仓库走，团队成员克隆后即可复用；
• 钩子：Cursor 不支持项目级 hooks，所以install会额外在用户级（~/.cursor存在时才生效）写入钩子，让保存文件时自动增量更新图谱。

装完重启 Cursor，在 AI 对话框直接输入Build the code review graph for this project即可开始构建。

配置 Codex：TOML 配置 + 提交钩子双管齐下

Codex 的接入点是用户级的两个文件：

注意 Codex 的配置是 TOML 格式，与其他平台的 JSON 不同，这也是install命令比手写配置可靠的原因——它会自动处理格式差异（源码中format: "toml"标记了这一区别）。配置好后，Codex 的 MCP 工具里会出现图谱查询、影响半径分析等能力，审查时 AI 自动走图谱而不是暴力读文件。

配置 Gemini CLI：settings + hooks + skills 三件套

Gemini CLI 是接入内容最丰富的一个，install会做三件事：

1. MCP 配置：写入项目级.gemini/settings.json（mcpServers键）；
2. hooks：把自动更新钩子并入同一个 settings 文件，保存文件时增量刷新图谱；
3. skills：在项目的.gemini/目录下安装工作流技能，比如 skills/review-changes/SKILL.md 定义的变化审查流程，让 Gemini CLI 以标准步骤完成「检测变化 → 查影响半径 → 生成风险报告」。

平台的检测条件是gemini命令可用或~/.gemini目录存在。三个平台配完后，可以打开任意一个工具验证：

Review my recent changes with risk scoring

AI 会调用detect_changes工具，把当前 diff 映射到受影响的函数、执行流和测试缺口，并附带 token 节省估算。

保持图谱新鲜：watch 模式与多仓库守护进程

配置完成后，图谱的保鲜有三种方式，推荐程度从高到低：

• hooks / watch 模式：Codex、Gemini CLI 的钩子已自动装好；其余场景运行code-review-graph watch，文件保存即自动更新；
• crg-daemon 守护进程：Cursor 这类编辑器不支持钩子时用它最合适，在后台同时监视多个仓库：

crg-daemon add ~/project-a --alias proj-a crg-daemon start crg-daemon status

增量更新只重解析 SHA-256 哈希真正变化的文件，在约 3000 文件的项目上，改两个文件约 2.5 秒完成重索引。

配完之后能做什么

三个平台接入后，日常就变成和 AI 对话：

审查响应还会自动附带context_savings元数据，AI 可以直接告诉你这次调用省了多少上下文。完整命令清单见 docs/COMMANDS.md，使用指南见 docs/USAGE.md。

想卸载：对称的 uninstall 命令

不再需要时，在项目内运行code-review-graph uninstall --dry-run预览，确认后再真正执行。它只移除 CRG 自己写入的文件和配置项，你原有的其他 MCP 服务器、hooks、skills 一律不动；加--keep-data可保留图谱数据库。

小结

核心就一句：一条code-review-graph install搞定多平台。它自动检测工具、写对格式、装好钩子，你只需重启编辑器，然后开始用图谱省 token。遇到问题可先查 docs/TROUBLESHOOTING.md 和 docs/FAQ.md。

【免费下载链接】code-review-graphLocal-first code intelligence graph for MCP and CLI. Builds a persistent map of your codebase so AI coding tools read only what matters, with benchmarked context reductions on reviews and large-repo workflows.项目地址: https://gitcode.com/GitHub_Trending/co/code-review-graph