cat README.md
Understand-Anything
把任何代码库变成一张能点、能搜、能问的知识图谱。AI Coding Agent 的"视觉皮层"——不是帮你写代码，而是帮你 看懂 代码。
// 目录
// 概览
// 背景
这事得从我自己的痛点说起。上周接手一个 3 年前的老项目，200 多个文件，原作者离职了，文档基本没有。我让 Claude Code 帮我理解整体架构，结果它在那儿一个个 grep、一个个 Read，token 哗哗地烧，最后还给我拼出一张支离破碎的架构图——模块 A 说自己依赖模块 B，模块 B 的注释又写"已废弃请用 C"，但 C 又引用了 A。完事我问它这东西到底怎么跑起来的，它沉默了。
这不是 Claude 的问题。是我让它用"瞎子摸象"的方式去理解一个它完全没见过的代码库。每次对话都从零开始，摸到哪算哪。跟新员工入职第一天没人带、只给一个仓库链接有什么区别？
Understand-Anything 就是在解决这个事。它不是又一个"帮你看代码"的工具，而是先把代码看懂，画成图谱，然后让 AI 走图谱去回答你的问题。说得直白一点：给 AI 编程助手装一双"眼睛"。
// 核心功能
这个项目的 README 写得挺长，但我实际试用下来，核心卖点就四个字：可视化 + 可提问。具体拆开看：
交互式代码知识图谱
执行一条 /understand 命令，它会启动 5 个代理并行扫描你的代码库——文件发现、函数/类提取、依赖关系分析、架构分层识别、引导教程生成。最终产出一个 JSON 格式的知识图谱，保存在 .understand-anything/knowledge-graph.json。然后 /understand-dashboard 打开一个 Web 仪表盘，你的代码变成了一张可以拖拽、缩放、点击的图谱。每个节点是一个文件、函数或类，点击能看代码摘要和关联关系，边代表依赖、调用、继承。
跟 CodeGraph（我之前评测过的那个项目）最大的区别是：CodeGraph 做的是预索引加速——让 Agent 少调用几次 Read；而 Understand-Anything 做的是人类可读的可视化——你真的能看懂这个项目的架构长什么样。
业务领域图谱
这个功能让我有点意外。/understand-domain 不会看代码的语法结构，而是提取业务逻辑——领域、流程、步骤。比如一个电商项目，它会告诉你"支付流程：创建订单 → 金额校验 → 调用支付网关 → 回调处理 → 状态更新"，每个步骤对应哪些文件和函数。这对做业务开发的 PM 和新入职同学来说，比看代码结构图有用得多。
知识库图谱
/understand-knowledge 支持把符合 Karpathy 模式的 LLM Wiki 转成交互式知识图谱。这东西对维护个人知识库的人来说很实用——我之前用 Karpathy Wiki 存了上百篇笔记，想找某个概念之间的关联全靠脑子记。现在它能自动提取实体、发现隐式关联、按社区聚类，形成一张互联的想法图谱。
模糊搜索 + 差异影响分析
你可以直接问"哪些部分处理认证？"这种自然语言问题，它会语义搜索图谱返回相关节点。还有 /understand-diff，在你提交代码前分析"改了这个文件会影响哪些模块"，避免改了一行代码炸了三个服务这种经典惨案。
// 多代理架构
分析管道：5 代理并行 → 知识图谱 → 可视化仪表盘
// 快速上手
安装方式取决于你用什么 AI 编程工具。以 Claude Code 为例：
Cursor 用户更简单——直接克隆仓库到项目根目录，它会自动发现并加载。VS Code + Copilot 也类似，需要 Copilot v1.108+ 版本。如果你用 Codex、Gemini CLI、OpenCode、Hermes、Cline、KIMI 这些平台，有一键安装脚本，Windows 下用 PowerShell 一行搞定。
还有个挺实用的功能：知识图谱是 JSON 文件，可以提交到 Git 仓库。团队里一个人跑一次分析，其他人直接复用。配合 --auto-update 参数，提交后自动增量更新图谱。大项目用 Git LFS 管理就行。
// 性能数据
v2.5.0 修复了 O(N²) 聚合性能退化，改为 O(N+K)；v2.7.3 修复了 12 处图形提取数据丢失问题。
// 竞品对比
| 项目 | 定位 | 核心能力 | 优势 | 短板 |
|---|---|---|---|---|
| Understand-Anything | 代码可视化 + 知识图谱 | 交互式图谱 · 业务领域 · 知识库 · 模糊搜索 | 人类可读 · 14+平台 · 业务视角 | 依赖 LLM 分析 · 2个月太新 |
| CodeGraph | 预索引加速 | tree-sitter AST · SQLite FTS5 · MCP 服务器 | 92%更少工具调用 · 19语言 · 不依赖LLM | 无可视化 · better-sqlite3依赖 |
| Karpathy Wiki | 个人知识管理 | LLM 增量编译 · 交叉引用 · 持久化 | 知识积累 · 不限代码 | 无可视化图谱 · 纯知识场景 |
| agentmemory | Agent 持久化记忆 | 12自动hooks · 四层记忆 · 三流检索 | 全自动零手动 · 32+Agent兼容 | 记忆层不等于理解层 · iii-engine依赖 |
| mattpocock/skills | 工程纪律规范 | 18斜杠命令 · 需求拷问 · 极简通信 | 反vibe coding · 工程文化 | 不管"理解"只管"怎么做" |
这几个东西其实不冲突。CodeGraph 加速 Agent 读代码，Understand-Anything 帮你和人看懂代码，Karpathy Wiki 管知识，agentmemory 管记忆，mattpocock/skills 管纪律。叠着用才是正解。
// 博主观点
+ 14+ AI 编程平台兼容，一个知识图谱多处复用
+ 业务领域图谱视角独特，PM 和新成员也能看懂
+ 知识库图谱支持 Karpathy Wiki 模式，填补知识管理空白
+ 团队共享图谱 + Git 集成，分析一次全员受益
+ 7 版本 / 55 天迭代节奏，社区响应快
+ 多语言本地化（中/日/韩/俄/西），国际化做得不错
- 项目仅 2 个月，API 稳定性和向后兼容性未经验证
- v2.7.3 还有 12 处数据丢失 bug，质量控制待加强
- 个人维护者（Bus Factor ≈ 1），长期可持续性存疑
- 与 CodeGraph 功能有重叠，用户需要自己判断用哪个
- Dashboard 依赖浏览器，纯终端环境下体验受限
说实话，我第一次用 /understand-dashboard 打开那个图谱的时候，有种"这就是我一直在找的东西"的感觉。以前理解一个新项目，要么啃 README（通常过期了），要么让 AI 一顿 grep（token 烧光也拼不出全貌），要么自己花半天画架构图。现在一条命令，一张图谱，所有模块的依赖关系一目了然。
但我也得说清楚：这个项目的核心依赖 LLM 做代码分析，这意味着分析质量取决于模型能力。复杂的项目（比如多重继承、宏展开、动态代理），图谱可能会有遗漏或错误。而且 2 个月的项目，我见过太多"高开低走"的开源——现在 21K Star 很风光，半年后维护者不更新了怎么办？
我的建议：如果你的团队经常接手别人的项目，或者你在维护一个没有文档的老代码库，值得现在就用起来。图谱提交到 Git 仓库，即使将来项目停更了，已有的分析结果也不会丢。但如果只是自己写的小项目，杀鸡用牛刀了。
// links
GitHub 仓库 — Lum1104/Understand-Anything
官方网站 — understand-anything.com
Releases — 最新版本 v2.7.3 (2026-05-19)
Discord 社区 — 用户讨论与反馈
Better Stack 演示视频 — YouTube 完整功能演示
示例项目 — Google Cloud 微服务 Demo 含知识图谱