crg

更好的代码审查图谱

已重命名（2026-09-13）： 仓库现已更名为 crg，以 CLI 为先（crg 命令）。PyPI 包仍为 better-code-review-graph；MCP 服务是次要入口。

mcp-name: io.github.n24q02m/crg

用于节省令牌的代码审查知识图谱——在整个代码库中进行语义搜索并解析调用图。

n24q02m 的姊妹项目（点击展开）

| 项目 | 标语 | 标签 | |---|---|---| | [agent-chat-plugin](https://github.com/n24q02m/agent-chat-plugin) | AI Agent 在共享文件夹中相互聊天——无需人工转发，也无需编排器，wor... | 工具 | | [crg](https://github.com/n24q02m/crg) | 用于高效利用令牌进行代码审查的知识图谱——语义搜索和调用关系... | MCP | | [better-drive](https://github.com/n24q02m/better-drive) | 双向 Google Drive 同步，支持 .driveignore 过滤器——采用 rclone 引擎，提供 Windows 托盘 | 工具 | | [better-email-mcp](https://github.com/n24q02m/better-email-mcp) | 为 AI Agent 提供 IMAP/SMTP 邮件功能——读取、发送、整理文件夹并管理附件... | MCP | | [better-godot-mcp](https://github.com/n24q02m/better-godot-mcp) | Godot Engine 的复合 MCP 服务——提供 17 个复合工具，支持 AI 辅助游戏开发... | MCP | | [better-notion-mcp](https://github.com/n24q02m/better-notion-mcp) | 面向 AI Agent、以 Markdown 为先的 Notion——页面、数据库、块和评论... | MCP | | [better-semantic-release](https://github.com/n24q02m/better-semantic-release) | 可直接替换的 python-semantic-release 分支，内置发布安全防护（孤... | 工具 | | [better-telegram-mcp](https://github.com/n24q02m/better-telegram-mcp) | 为 AI Agent 提供 Telegram 功能——在 Bot 和用户账号上处理消息、聊天、媒体和联系人... | MCP | | [better-workspace-mcp](https://github.com/n24q02m/better-workspace-mcp) | Google Workspace MCP 服务（Docs/Drive/Calendar/Gmail/Sheets/Slides/Tasks/Ch... | MCP | | [claude-plugins](https://github.com/n24q02m/claude-plugins) | 面向 n24q02m MCP 服务的 Claude Code 插件市场——安装网页搜索... | 市场 | | [imagine-mcp](https://github.com/n24q02m/imagine-mcp) | 为 AI Agent 提供图像和视频理解与生成——支持 Gemini、Op... | MCP | | [jules-task-archiver](https://github.com/n24q02m/jules-task-archiver) | 通过 batchexecute API 批量操作 Jules 任务的 Chrome 扩展——a... | 工具 | | [mcp-core](https://github.com/n24q02m/mcp-core) | 用于构建 MCP 服务的共享基础组件——Streamable HTTP 传输、OAuth... | MCP | | [mnemo-mcp](https://github.com/n24q02m/mnemo-mcp) | 具备混合搜索和嵌入式同步功能的持久化 AI 记忆。开放、免费、无限... | MCP | | [fastretrieval](https://github.com/n24q02m/fastretrieval) | 面向 ONNX 和 GGUF 嵌入、重排序及模型契约的快速多模型检索运行时 | 库 | | [skret](https://github.com/n24q02m/skret) | 无需服务端的密钥管理。 | 命令行 | | [tacet](https://github.com/n24q02m/tacet) | 一种自蒸馏神经符号级联，可将大模型成本分摊到知识... | 工具 | | [web-core](https://github.com/n24q02m/web-core) | 用于搜索、抓取、HTTP 安全和 st... 的共享 Web 基础设施包 | 库 | | [wet-mcp](https://github.com/n24q02m/wet-mcp) | 面向 AI Agent 的开源 MCP 服务：网页搜索、内容提取和 lib... | MCP |

一个 MCP 服务，可使用 Tree-sitter 解析代码库，构建函数、类和导入项的结构图，并为 Claude（或任何 MCP 客户端）提供精准上下文，让它只读取相关内容，而不是整个代码树。默认情况下，语义搜索通过 fastretrieval 的本地 ONNX 模型注册表运行（零配置，无需 API 密钥），也可选用云端嵌入链。它是 code-review-graph 的分支，修复了多词搜索、限定名称调用解析、双模式嵌入和输出分页，并提供生产级 CI/CD。

v2.0 迁移（重大变更）

v2.0 新增了时间列（每个节点和边上都有 valid_from_sha / valid_to_sha），并提供可选启用的安全扫描器。首次打开 GraphStore 时会自动应用架构迁移，并将 2.0 之前的数据库备份保存到 <graph_db>.pre-2.0.bak，以便回滚。完整的架构变更列表、行为变更、环境要求和降级步骤（CRG_DOWNGRADE_TO_1_X=1 uv run crg）请参阅 BREAKING_CHANGES.md。

目录

• v2.0 迁移（重大变更）
• 安装
• 用法
• Smithery
• 配置
• 工具
• CLI
• 功能
• 对比
• 安全
• 从源代码构建
• 信任模型
• 迁移与变更日志
• 文档
• 许可证

安装

对于 OMP 和其他本地编码框架，主要使用方式是通过包的 CLI 以及捆绑的 skills/ 工作流。这些技能会直接调用 CLI， 不需要配置 MCP 服务映射。

# Run without a persistent install (short `crg` script; PyPI package name stays
# better-code-review-graph, so `uvx` needs the explicit --from form)
uvx --python 3.13 --from better-code-review-graph crg graph build --full-rebuild \
  --repo-root /path/to/repo
uvx --python 3.13 --from better-code-review-graph crg graph stats \
  --repo-root /path/to/repo

# Or install the console scripts (installs both `crg` and the legacy long name)
pip install better-code-review-graph
crg query search --search-query "authentication" \
  --repo-root /path/to/repo

用于深度安全扫描的可选 Semgrep 引擎是单独的额外组件：

pip install 'better-code-review-graph[security]'

MCP stdio 仍是供有此需求的客户端使用的次要协议适配器：

{
  "mcpServers": {
    "crg": {
      "command": "uvx",
      "args": ["--python", "3.13", "better-code-review-graph"],
      "env": { "MCP_TRANSPORT": "stdio" }
    }
  }
}

安装方式矩阵（除特别说明外均为 stdio；上述 CLI 优先用法仍是主要方式）：

客户端	安装
Claude Code（插件）	/plugin marketplace add n24q02m/claude-plugins 然后运行 /plugin install better-code-review-graph@n24q02m-plugins
Claude Code（stdio）	claude mcp add crg -- uvx --python 3.13 better-code-review-graph
Codex	在 ~/.codex/config.toml 的 mcp_servers 下注册 stdio 命令 uvx --python 3.13 better-code-review-graph
Gemini CLI	将上方的 mcpServers JSON 添加到 ~/.gemini/settings.json
Cursor / Windsurf	通过客户端的 MCP 设置（mcp.json）添加上方的 mcpServers JSON
任意客户端（HTTP 自托管）	将客户端指向 https://<your-host>/mcp（MCP_TRANSPORT=http）——仅支持自托管，没有托管端点

使用 AI Agent 安装 —— 将以下内容粘贴给你的 AI 编码 Agent：

按照以下步骤安装 MCP 服务 crg： https://raw.githubusercontent.com/n24q02m/claude-plugins/main/plugins/better-code-review-graph/setup-with-agent.md

完整的 CLI 用法请参阅 CLI。可选的客户端专属 MCP 设置请见 mcp.n24q02m.com/servers/better-code-review-graph/setup/。

用法

运行服务有两种方式，此外还有使用它的入口。

开发：uv，无需身份验证（仅限环回地址）

# instance config lives at $CRG_CONFIG_DIR or ~/.crg (same schema as hull's
# config.toml); a default no-auth template is fine for local dev
uv run better-code-review-graph server start
# -> http://127.0.0.1:8000/mcp  (no-auth is refused on any off-loopback bind)

常驻运行：docker（令牌身份验证）

cp docker-config/config.example.toml docker-config/config.toml
# mint a token + hash (hull CLI ships with crg's dependency tree):
#   TOKEN=$(python -c "import secrets; print(secrets.token_urlsafe(32))")
#   hull token hash "$TOKEN"   # paste output into token_hash in config.toml
docker compose up -d

compose 文件会构建 Dockerfile 的 http 目标（镜像 crg:http）， 仅将容器发布到主机环回地址 （127.0.0.1:${CRG_PORT:-8772}:8080），并将 ./docker-config/config.toml 以只读方式挂载到容器的配置目录 （CRG_CONFIG_DIR=/data/config）；图状态会持久保存在名为 crg-data 的卷中。所有状态都保留在你的机器上。

使用方式：CLI 或 MCP

CLI（本地图，无需服务）：

crg graph build --full-rebuild --repo-root /path/to/repo
crg query search --search-query "authentication" --repo-root /path/to/repo

通过 HTTP 使用 MCP（远程／常驻运行）：将任意 MCP 客户端指向 http://127.0.0.1:8772/mcp，并设置 Authorization: Bearer <token>：

{
  "mcpServers": {
    "better-code-review-graph": {
      "url": "http://127.0.0.1:8772/mcp",
      "headers": { "Authorization": "Bearer <token>" }
    }
  }
}

按任务配置模型

每个任务（embed / rerank / chat / jev_score）都会从实例配置中的 [models.<task>] 解析各自的 OpenAI 规范供应商配置单元：独立的 base_url + api_key + model。使用云端还是本地完全由配置决定—— 将 base_url 指向 OpenRouter、供应商或你自己的本地网关 （例如 http://host.docker.internal:11434/v1）。API 密钥仅供主机使用： 请将其保存在 config.toml（在 docker-config/ 下由 gitignore 忽略）中，或通过 HULL_<TASK>_API_KEY 环境变量提供；绝不会由最终用户提供。

本地优先边界

CRG 面向编码工作流，采用本地优先模式：

• CLI 和内置 Skills 是构建/查询图、影响分析、评审上下文、安全扫描和仓库接入的主要入口。
• MCP stdio 是基于同一组本地域服务的次要协议适配器；它不会维护独立的图实现。
• 图状态保存在 <repo>/.crg/graph.db 中，除非明确的多用户/自托管配置选择其他数据目录。
• PyPI、CI、安全扫描、GitHub 发布以及符合条件的稳定版 MCP Registry 发布仍在进行。保留历史公开 OCI 标签，但不再发布新的公开 Docker Hub/GHCR 镜像。
• CRG 在目标拓扑中没有托管的 Cloudflare 运行时。

Smithery

仓库提供 smithery.yaml，以便通过 Smithery 构建和运行服务。它通过 stdio 部署，无需启动配置——配置架构为空，任何可选的云端嵌入/摘要密钥都在运行时通过服务自身的配置流程提供（见下文的配置）。启动命令与本地安装使用的 uvx 调用相同：

startCommand:
  type: stdio
  commandFunction: |-
    (config) => ({ command: 'uvx', args: ['--python', '3.13', 'crg'] })

配置

所有功能开箱即用，无需任何配置——语义搜索使用 fastretrieval 中的本地 ONNX 注册表（Qwen3-Embedding-0.6B 是当前内置的参考条目，首次运行 graph embed 时下载约 570 MB）。此参考条目并非仅限 Qwen 的边界：任何内置注册表 ID 或有效的非 Qwen 工件清单都遵循相同的解析器。以下所有环境变量均为可选，仅在使用云端嵌入、大模型摘要或明确指定自带的本地工件时才需要。

模型选择

嵌入会选择 EMBEDDING_MODELS 中第一个 provider/model 条目；后续条目会保留为配置，但不会作为运行时回退选项。摘要模型取自 [models.chat] 单元格的 model 字段（未配置的单元格会禁用摘要）。传输方式始终取自每项任务的 [models.<task>] 单元格（预先配置了 OpenRouter 默认值）——模型名称前缀只用于选择线路细节，不会选择密钥。

变量	用途	为空时（默认值）
EMBEDDING_MODELS	云端嵌入选择；第一个条目处于启用状态	本地 fastretrieval 注册表
[models.chat] 单元格 model	选择 graph(action="summarize") 的补全模型	禁用摘要

Cohere embed-v4.0 请求并存储 1024 维数据；其他后端仍使用 768 维存储。CRG 不会截断、填充或静默接受不同的服务商维度。复用前，嵌入行的模型和字节宽度必须匹配。更改模型或升级旧的 768 维 Cohere 索引后，请运行 graph(action="embed")。搜索会在调用服务商之前拒绝不兼容的维度；图节点会保留，重新嵌入只会替换过时的向量。

提供商 API 密钥

密钥位于每个任务单元格的 api_key 中（仅主机端；见下表）。 仅有密钥不会选择模型：空的嵌入链会保持本地运行，空的摘要链则保持禁用状态。已配置的云端服务出错时，不会回退到本地或其他提供商。摘要器需要聊天补全模型。

任务	配置单元格	备注
嵌入	实例配置中的 [models.embed]（base_url + api_key + model），或 HULL_EMBED_API_KEY 环境变量	通过 hull-core 使用符合 OpenAI 规范的普通 HTTP；默认已预先接入 OpenRouter。EMBEDDING_MODELS 用于选择模型名称——密钥不会选择模型。模型前缀（cohere/…、jina_ai/…、gemini/…）仅用于选择传输细节（例如 Cohere 的 input_type）；不存在按供应商区分的 API 密钥。直接使用 Cohere embed-4.0 是文档所述的可选例外（规范 2026-09-26 §9）。
摘要器	[models.chat] 单元格（或 HULL_CHAT_API_KEY）	需要聊天补全模型；默认使用 OpenRouter。

供应商专用的密钥环境变量（JINA_AI_API_KEY、GEMINI_API_KEY、 OPENAI_API_KEY、GOOGLE_VERTEX_EXPRESS_API_KEY、…）不会被 crg 读取； 已移除的按供应商分发逻辑曾存在于去除主机依赖前的技术栈中。

高级配置

变量	用途
EMBEDDING_MODELS	以逗号分隔的嵌入模型链；第一项是云端模型（由主机管理；密钥不会选择模型）。旧版 EMBEDDING_MODEL 会在下一次发布前继续受支持，并显示弃用警告。
DISABLE_LOCAL_EMBED	跳过本地 ONNX 下载；除非配置了云端链，否则嵌入功能不可用
LOCAL_RERANK_MODEL	用于有界语义重排序的 Fastretrieval TextCrossEncoder 模型 ID
LOCAL_EMBEDDING_DIM	对于没有清单的外部模型 ID，必须指定的维度
LOCAL_EMBEDDING_MODEL_FILE	清单支持的制品目录中的 ONNX 文件路径
LOCAL_EMBEDDING_POOLING	对于没有清单的外部 ID，显式指定池化方式：CLS、MEAN、LAST_TOKEN 或 DISABLED
LOCAL_EMBEDDING_NORMALIZE	对于没有清单的外部 ID，显式指定 L2 归一化
CRG_DATA_DIR	覆盖每用户数据目录（默认为 ~/.crg），该目录用于 HTTP 多用户模式下存储每用户图谱和凭据
EMBEDDING_BACKEND / EMBEDDING_MODEL	已弃用的单数变量，仍支持一个发布周期并显示警告——请迁移到 EMBEDDING_MODELS。不再读取去除主机依赖前的摘要模型和基础 URL 环境变量；模型和传输配置位于 [models.*] 单元格中

配置 LOCAL_RERANK_MODEL 后，语义向量搜索会检索一个有界候选池，包含 min(max(limit * 4, limit), 100) 行，应用现有的 kind、repo 和实时行筛选器，然后对该候选池重新排序，最多返回 limit 行。响应使用 search_mode="semantic_reranked"，并添加 rerank_score，同时保留 similarity_score。留空时，会沿用现有的 limit * 2 向量路径和 search_mode="semantic"。配置的重排序器发生故障时会返回明确错误；CRG 不会静默回退到向量或关键词结果。关键词搜索（包括 as_of 快照）不会调用重排序器。

示例——云端嵌入 + 摘要

~/.crg/config.toml（手动编写，或从 hull config init 开始，该命令会预先配置 OpenRouter 默认值）：

[models.embed]
base_url = "https://openrouter.ai/api/v1"
api_key = "sk-or-..."
model = "cohere/embed-v4.0"

[models.chat]
base_url = "https://openrouter.ai/api/v1"
api_key = "sk-or-..."
model = "minimax/minimax-m3:free"

MCP 服务条目的等效环境变量配置（键会覆盖对应单元格；模型名称仍来自 EMBEDDING_MODELS / model 字段）：

{
  "mcpServers": {
    "crg": {
      "command": "uvx",
      "args": ["--python", "3.13", "better-code-review-graph"],
      "env": {
        "MCP_TRANSPORT": "stdio",
        "EMBEDDING_MODELS": "cohere/embed-v4.0",
        "HULL_EMBED_API_KEY": "sk-or-...",
        "HULL_CHAT_API_KEY": "sk-or-..."
      }
    }
  }
}

Cohere 嵌入需要付费。在进行实际索引/查询之前，请先授权限定额度；选择 Minimax 免费补全模型并不意味着嵌入免费。模型名称前缀（cohere/…、openrouter/…）仅用于选择传输格式细节——传输方式和凭据来自由宿主管理的 [models.*] 单元格。

CRG 目前没有云端重排调用：LOCAL_RERANK_MODEL 是其唯一的重排路径。设置 RERANK_MODELS 或 RERANK_API_BASE 并不会启用云端重排。

工具

共六个工具，每个工具将相关操作归为一组，以精简工具接口。

graph——图生命周期

操作：build | update | stats | embed | export | summarize

操作	描述
build	完整或增量构建图。设置 full_rebuild=true 可重新解析所有文件；传入 roots 可将其他仓库目录合并到一个图中。
update	build 的别名，且 full_rebuild=false（增量）。
stats	图的规模、语言、节点/边明细、嵌入数量。
embed	计算用于语义搜索的向量嵌入。双模式：本地 ONNX 或云端链路。
export	将图导出为 graphml / json-ld / dot / cypher。可内嵌导出或导出到 output_path。
summarize	为 Function 节点生成由大模型生成的单段文档字符串（通过 [models.chat] 单元格；未配置模型时不执行任何操作）。调用数量受 max_nodes 限制。

query——图查询

操作：query | search | impact | large_functions | spot_check | renamed_in_diff | diff

操作	描述
query	预定义模式：callers_of、callees_of、imports_of、importers_of、children_of、tests_for、inheritors_of、file_summary。
search	按名称/关键词或语义相似度搜索代码实体。
impact	评估已更改文件的影响范围。根据 git diff 自动检测。支持分页，使用 max_results。
large_functions	查找超过行数阈值的函数/类。
spot_check	从最近一次 callers_of/callees_of/inheritors_of/importers_of 结果中随机抽取调用点片段。
renamed_in_diff	调用点行号相对于基准 ref 发生偏移的符号。
diff	两个提交 SHA 之间新增/删除/修改的节点（from_sha、to_sha）。

大多数读取操作都接受 as_of=<sha>，用于获取时间点快照；也接受 repo=<repo_id>，用于限定联合多仓库图的范围。

review——代码审查上下文

操作：context（默认）| delta

经过 token 优化的审查上下文，包含结构摘要、受影响节点、源代码片段和审查指导。context 会根据 git diff 自动检测更改文件；delta（使用 from_sha/to_sha，可选 show_line_shifts）会显示两个提交之间的重构移动。

config——服务配置和凭据设置

操作：status | set | cache_clear | setup_status | setup_start | setup_skip | setup_reset | setup_complete

操作	描述
status	服务信息：版本、图路径、节点/边数量、嵌入后端、嵌入数量。
set	更新运行时设置（key=log_level）。
cache_clear	移除所有已计算的嵌入。
setup_status	显示当前凭据状态，以及哪些模型单元格配置了密钥。
setup_start	说明宿主在哪里配置 API 密钥（由宿主管理的模型单元格）。
setup_skip	设置为本地模式（本地 ONNX 嵌入，不使用云端单元格）。
setup_reset	将状态重置为本地模式；下次调用时由宿主配置重新解析。
setup_complete	根据宿主配置重新解析凭据状态。

security -- 安全扫描

操作：scan | report | suppress | rule_list

操作	描述
scan	运行安全扫描（默认 engine='heuristic'，使用 5 条正则规则；或使用 'semgrep'）。扫描结果会保存在 nodes.security_tags 中。
report	将缓存的扫描结果重新输出为 JSON（format='json'）或 SARIF v2.1.0（format='sarif'）。
suppress	按 rule_id 忽略一条扫描结果（或设置 remove=true 取消忽略）。
rule_list	列出某个引擎可用的规则。

semgrep 引擎需要 [security] extra，并会运行 Semgrep 的 p/auto registry pack 以及一个包含 3 条规则的精选叠加包。

help -- 完整文档

主题：graph | query | review | config | security | recipes

返回每个工具的完整文档。如果上面的精简描述不够详尽，请使用此工具。

CLI

此软件包会安装两个控制台脚本：crg（主脚本）和 crg（旧版长名称）。运行时不带任何参数，即可通过 stdio 启动 MCP 服务；添加开头位置参数，则会调用本地 CLI 子命令，该命令使用与 MCP 适配器相同的领域服务。运行 pip install 后可直接运行这些脚本；也可以通过 uvx --python 3.13 --from better-code-review-graph crg ... 运行，无需持久安装。

# Start the MCP server over stdio (default -- no subcommand)
crg

# Build, inspect, and embed the local graph
crg graph build
crg graph stats
crg graph embed

# Query relationships and impact
crg query query \
  --pattern callers_of --target "path/to/module.py::function"
crg query search --search-query "authentication"
crg query impact --changed-files src/app.py

# Produce review context and run a local security scan
crg review context --base HEAD~1
crg security scan --engine heuristic

命令	描述
graph build	完整或增量构建图。--full-rebuild 会重新解析每个文件；--base <ref> 用于设置增量差异的基准引用；--repo-root <path> 用于覆盖自动检测结果。
graph embed	使用本地 ONNX 或已配置的云端链计算向量嵌入。
graph stats / graph export / graph import / graph summarize	检查、导出/导入可移植的 crg 图，或汇总函数。
query query / query search	执行关系模式查询或关键词/语义搜索。
query impact / query large_functions	分析已更改文件的影响范围，或查找过大的节点。
query spot_check / query renamed_in_diff / query diff	检查调用位置、行号变化或提交之间的图变化。
review context / review delta	为代码更改生成审查上下文或差异分类。
security scan / security report / security suppress / security rule_list	运行和管理启发式/Semgrep 安全扫描结果。

CLI 子命令会输出结构化 JSON，发生错误时以非零状态码退出。

功能

此分支相较于上游 code-review-graph 修复的内容：

功能	code-review-graph	crg
多词搜索	已损坏（按字面子字符串匹配）	按 AND 逻辑拆分单词
callers_of/callees_of	结果为空（目标仅为裸名称）	限定名称解析 + 裸名称回退
嵌入	sentence-transformers + torch（1.1 GB）	fastretrieval ONNX + 云端（200 MB），双模式
输出大小	无限制（超过 500K 字符）	分页（max_results，带 truncated 标志）
工具设计	9 个独立工具	6 个分组工具：graph + query + review + config + security + help
插件钩子	无效的 PostEdit/PostGit	有效的 PostToolUse

对比

crg 在各项能力上与直接竞品的对比：

能力	crg	Greptile	Sourcegraph（Cody / MCP）	CodeGraph（colbymchenry）
代码库知识图谱	是（Tree-sitter，14 种语言，SQLite）	是（函数/类/依赖）	是（精确代码索引）	是（Tree-sitter，20 多种语言，SQLite）
持久化增量更新	是（git-diff + 文件哈希重新解析）	?	是（持续索引）	是（OS 文件监视器，带防抖）
限定的调用解析（调用者/被调用者）	是（同文件裸调用解析 + 回退）	?	是（转到定义 / 查找引用）	是（调用者 / 被调用者 / 影响范围）
语义搜索 / 嵌入	是（fastretrieval 本地注册表 + 云端 Jina/Gemini/OpenAI/Cohere）	?	是（语义 + 关键词 + 正则表达式）	否（仅 FTS5 全文搜索）
Token 优化的代码审查上下文	是（review 工具，限定于 git-diff）	是（PR 审查评论）	否（代码上下文助手）	否（上下文层，而非审查）
安全扫描	是（Semgrep p/auto + 3 条规则叠加，SARIF）	?	?	否
可自托管	是（默认使用 stdio，绑定到机器）	是（Docker / K8s / 隔离网络）	是（自托管实例）	是（100% 本地运行，无需 API 密钥）
免费 / 开源	是（Apache-2.0）	否（专有 SaaS；提供免费的 OSS 层级）	否（Enterprise 许可证，源码不公开）	是（MIT）

来源：Greptile · Greptile 定价 · Sourcegraph MCP · CodeGraph。标记为 ? 的单元格表示竞品未公开说明的能力，并非确认其不具备这些能力。

安全

• 明确选择 -- 云端嵌入出错时会报告错误；运行时不会静默切换模型，也不会回退到本地 ONNX。
• 错误处理 -- 工具会返回包含修复建议的错误字符串，不会崩溃。
• 只读挂载 -- Docker 模式会将仓库挂载为 :ro（只读）。
• 防 SSRF 的端点 -- 在进行任何出站调用前，都会验证自定义 [models.*] 单元格中的 base_url 值。

如需报告漏洞，请参阅 SECURITY.md。

从源码构建

git clone https://github.com/n24q02m/crg
cd crg
uv sync --group dev
uv run pytest
uv run crg

**要求：**Python 3.13、uv。

信任模型

此插件实现了 TC-Local（绑定到机器，单一信任主体）。完整分类请参阅 mcp-core 信任模型。

模式	图数据库	云端凭据	谁可以读取你的数据？
stdio（默认）	<repo>/.crg/graph.db（已加入 git 忽略规则）	~/.crg/config.toml（AES-GCM，使用绑定到机器的密钥）	只有你的 OS 用户
HTTP 自托管（多用户）	每位用户各自使用 ~/.crg/subs/<sub>/graph.db	每位用户各自使用 ~/.crg/subs/<sub>/config.json	只有经过身份验证的用户

迁移与更新日志

图、安全扫描缓存和抑制状态现在都使用软件包专属的 .crg/ 目录。升级后运行一次 graph(action="build", full_rebuild=true)， 若需要语义搜索，再运行 graph(action="embed")。旧的 .better-code-review-graph/ 状态目录，以及含义不明确的 .code-review-graph/ 和 .code-review-graph.db 路径及其 SQLite 辅助文件均会原样保留，不会迁移。请检查并明确重新应用所需的 抑制规则。

v2.0 版本新增了时间列（每个节点和边上都有 valid_from_sha / valid_to_sha） 以及一个可选的安全扫描器。首次打开 GraphStore 时会自动应用架构迁移， 并将升级前的 DB 备份写入 <graph_db>.pre-2.0.bak。如需降级并恢复备份：

CRG_DOWNGRADE_TO_1_X=1 uvx better-code-review-graph

完整的架构变更列表、行为变更和回滚步骤： BREAKING_CHANGES.md。按版本整理的完整历史： CHANGELOG.md。

文档

完整文档请访问 mcp.n24q02m.com/servers/better-code-review-graph/setup/：

• 设置 -- Claude Code、Codex、Gemini CLI、Cursor、Windsurf、mcp.json 的安装方法
• 模式概览 -- stdio / local-relay / remote-relay / remote-oauth
• 多用户设置 -- 按 JWT sub 划分的凭据模型

使用任意 MCP 客户端中的 help 工具，查看各工具的内联参考文档。

许可证

Apache-2.0 -- 请参阅 LICENSE。