TeamAI跨仓库依赖图谱完全指南读懂DEPENDS_ON、REFERENCES、IMPLEMENTS三种依赖边【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cli为什么需要跨仓库依赖图谱当你管理多个仓库时最大的难题往往不是单个仓库怎么写而是仓库与仓库之间怎么连起来的。TeamAI 代码知识图谱Code Knowledge Graph正是为此而生它把多个代码仓库解析成一张结构化的依赖图谱用DEPENDS_ON、REFERENCES、IMPLEMENTS三种边精确描述谁依赖谁、谁引用谁、谁实现了谁让团队成员和 AI Agent 都能一眼看清跨仓库的结构关系。简单说TeamAI 跨仓库依赖图谱帮你解决三件事看清依赖这个模块到底依赖了哪些其他仓库的组件理清实现哪个接口Interface被哪些类实现了⚡加速检索teamai recall利用图谱做增强排名命中代码页面时直接给出相关源文件路径Sources:行AI 无需重新翻找代码库。图谱的两种边结构边与关系边关系边Relation Types一览图谱的核心是 graph-index.schema.ts它定义了 7 种关系类型其中与代码依赖直接相关的就是本文主角关系边含义典型场景DEPENDS_ONA 依赖 B文件 Aimport了文件 B仓库 A 使用了仓库 B 的组件REFERENCESA 引用 B文件 A 中调用call site了 B 导出的函数/方法IMPLEMENTSA 实现 B类 A 通过implements子句实现了接口 B每条边都带有来源标记source和置信度权重weight0~1这直接决定了下游检索时该边有多可信code-ast来自 AST 精确解析权重最高0.9code-heuristic来自正则启发式提取权重较低0.8 或 0.5双轨提取AST 轨 启发式轨依赖边由两条并行轨道提取重叠时AST 结果优先见 code-graph.tsAST 轨TypeScript/JavaScript、Python、Go使用 WASM 版 tree-sitter 解析器把import/require、调用点、TSimplements子句解析为文件到文件的精确边。解析失败时自动降级到启发式轨并记录一条AST_UNAVAILABLEgap保证提取不会中断。启发式轨所有语言含 Java/Rust基于正则的模糊路径匹配兜底覆盖 AST 不支持的语言。三种边在 AST 轨中的来源各不相同见 ast/types.tsDEPENDS_ON←import/require语句导入解析REFERENCES← 调用点call site解析IMPLEMENTS← TSimplements子句解析跨仓库边是怎么检测出来的单仓库内的边靠 import 语句就够了真正的难点在跨仓库仓库 A 的 import 路径指向一个本地文件但那个组件其实定义在仓库 B 里。TeamAI 在导入多仓库时由 import-repo.ts 中的detectCrossRepoEdges完成匹配逻辑分三步建索引为每个图谱中所有节点的组件名/接口名建立小写名称 → 节点索引文件名转 PascalCase把 import 目标文件名如balance_client.py转成BalanceClient再去另一个仓库的索引里查同名字组件——命中即说明存在跨仓库依赖双向扫描 配置关联既扫描新仓库的 import 边指向旧仓库也反向扫描此外配置/数据节点config/data与其他仓库组件完全同名时也会生成关联边。匹配成功后统一生成DEPENDS_ON边。测试用例cross-repo-edges.test.ts演示了典型场景flow-engine导入balance_client→ 命中另一仓库的BalanceClient组件 → 产出跨仓库DEPENDS_ON边。动手实践三步构建你的跨仓库图谱第一步导入仓库构建图谱teamai import --from-repo https://gitcode.com/GitHub_Trending/te/teamai-cli teamai import --from-org myorg # 批量导入组织下所有仓库 # 或本地提取 teamai codebase --extract /path/to/repo只要 extract 发现了组件就会写入teamwiki/evidence/code/project/_manifest.json图谱数据落在teamwiki/.indices/graph-index.json。第二步深度加工与文档对齐teamai codebase --deep-enrich --project my-service --output /path/to/repo # 生成深度知识文档 teamai codebase --reconcile --output /path/to/repo # 产品文档映射到代码页面 teamai codebase --lint --output /path/to/repo # 图谱健康检查--lint会跑 graph-index.schema.ts 中的结构校验重复节点、重复边、悬空边指向不存在的节点、自环边、权重越界不在 0~1 之间都会被标记出来。第三步让检索用上图谱teamai recall enable teamai recall port conflict开启后teamai pull会部署teamai-recall子 agentAI 在任务开始前自动检索团队知识图谱参与排名增强命中 codebase 页面时结果附带Sources:源文件行AI 可以直接从这些文件切入修改不用重新探索整个代码库。图谱质量如何保障图谱不是生成完就完事TeamAI 内置了健康度评估computeGraphHealth从五个维度打分连通性最大连通分量占比BFS 可达节点 / 总节点密度边数 / 节点数新鲜度可用状态节点占比置信度比例权重 ≥ 0.8 的高可信边占比孤立节点与悬空边计数另外图谱合并mergeGraphs遵循证据更丰富者优先原则新旧版本升级时带真实证据的边不会被早期写入的空证据边覆盖保证跨仓库依赖信息在增量导入中持续累积而不是被丢弃。常见问题FAQQ1AST 轨支持哪些语言TypeScript/JavaScript、Python、Go。Java、Rust 等由启发式轨覆盖。可用环境变量TEAMAI_SKIP_AST1强制只用启发式提取。Q2三种边在检索中作用不同吗findNeighborsNHop支持按关系类型过滤做多跳展开例如只沿IMPLEMENTS边找接口的所有实现或只沿DEPENDS_ON边找完整依赖链。Q3边的权重 0.9 和 0.5 差别在哪AST 提取且置信度为 EXTRACTED 的边取 0.9精确解析所得启发式或 INFERRED 的边取 0.5~0.8在健康度评分和召回排名中权重相应降低。写在最后TeamAI 跨仓库依赖图谱把散落在多个仓库里的组件、接口、配置关系收敛成一张可校验、可度量、可检索的图DEPENDS_ON回答依赖谁REFERENCES回答用了谁IMPLEMENTS回答实现了谁。配合teamai recall的图谱增强检索团队的经验沉淀和代码结构第一次真正连成了一张网——每一次执行都让整个团队更聪明。延伸阅读图谱 schema 与校验逻辑graph-index.schema.ts代码事实到图谱的构建code-graph.ts跨仓库边检测import-repo.ts使用指南docs/usage-guide.zh-CN.md官方文档docs/designs/team-intelligence-platform.md【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 TeamAI跨仓库依赖图谱完全指南：读懂DEPENDS_ON、REFERENCES、IMPLEMENTS三种依赖边
TeamAI跨仓库依赖图谱完全指南读懂DEPENDS_ON、REFERENCES、IMPLEMENTS三种依赖边【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cli为什么需要跨仓库依赖图谱当你管理多个仓库时最大的难题往往不是单个仓库怎么写而是仓库与仓库之间怎么连起来的。TeamAI 代码知识图谱Code Knowledge Graph正是为此而生它把多个代码仓库解析成一张结构化的依赖图谱用DEPENDS_ON、REFERENCES、IMPLEMENTS三种边精确描述谁依赖谁、谁引用谁、谁实现了谁让团队成员和 AI Agent 都能一眼看清跨仓库的结构关系。简单说TeamAI 跨仓库依赖图谱帮你解决三件事看清依赖这个模块到底依赖了哪些其他仓库的组件理清实现哪个接口Interface被哪些类实现了⚡加速检索teamai recall利用图谱做增强排名命中代码页面时直接给出相关源文件路径Sources:行AI 无需重新翻找代码库。图谱的两种边结构边与关系边关系边Relation Types一览图谱的核心是 graph-index.schema.ts它定义了 7 种关系类型其中与代码依赖直接相关的就是本文主角关系边含义典型场景DEPENDS_ONA 依赖 B文件 Aimport了文件 B仓库 A 使用了仓库 B 的组件REFERENCESA 引用 B文件 A 中调用call site了 B 导出的函数/方法IMPLEMENTSA 实现 B类 A 通过implements子句实现了接口 B每条边都带有来源标记source和置信度权重weight0~1这直接决定了下游检索时该边有多可信code-ast来自 AST 精确解析权重最高0.9code-heuristic来自正则启发式提取权重较低0.8 或 0.5双轨提取AST 轨 启发式轨依赖边由两条并行轨道提取重叠时AST 结果优先见 code-graph.tsAST 轨TypeScript/JavaScript、Python、Go使用 WASM 版 tree-sitter 解析器把import/require、调用点、TSimplements子句解析为文件到文件的精确边。解析失败时自动降级到启发式轨并记录一条AST_UNAVAILABLEgap保证提取不会中断。启发式轨所有语言含 Java/Rust基于正则的模糊路径匹配兜底覆盖 AST 不支持的语言。三种边在 AST 轨中的来源各不相同见 ast/types.tsDEPENDS_ON←import/require语句导入解析REFERENCES← 调用点call site解析IMPLEMENTS← TSimplements子句解析跨仓库边是怎么检测出来的单仓库内的边靠 import 语句就够了真正的难点在跨仓库仓库 A 的 import 路径指向一个本地文件但那个组件其实定义在仓库 B 里。TeamAI 在导入多仓库时由 import-repo.ts 中的detectCrossRepoEdges完成匹配逻辑分三步建索引为每个图谱中所有节点的组件名/接口名建立小写名称 → 节点索引文件名转 PascalCase把 import 目标文件名如balance_client.py转成BalanceClient再去另一个仓库的索引里查同名字组件——命中即说明存在跨仓库依赖双向扫描 配置关联既扫描新仓库的 import 边指向旧仓库也反向扫描此外配置/数据节点config/data与其他仓库组件完全同名时也会生成关联边。匹配成功后统一生成DEPENDS_ON边。测试用例cross-repo-edges.test.ts演示了典型场景flow-engine导入balance_client→ 命中另一仓库的BalanceClient组件 → 产出跨仓库DEPENDS_ON边。动手实践三步构建你的跨仓库图谱第一步导入仓库构建图谱teamai import --from-repo https://gitcode.com/GitHub_Trending/te/teamai-cli teamai import --from-org myorg # 批量导入组织下所有仓库 # 或本地提取 teamai codebase --extract /path/to/repo只要 extract 发现了组件就会写入teamwiki/evidence/code/project/_manifest.json图谱数据落在teamwiki/.indices/graph-index.json。第二步深度加工与文档对齐teamai codebase --deep-enrich --project my-service --output /path/to/repo # 生成深度知识文档 teamai codebase --reconcile --output /path/to/repo # 产品文档映射到代码页面 teamai codebase --lint --output /path/to/repo # 图谱健康检查--lint会跑 graph-index.schema.ts 中的结构校验重复节点、重复边、悬空边指向不存在的节点、自环边、权重越界不在 0~1 之间都会被标记出来。第三步让检索用上图谱teamai recall enable teamai recall port conflict开启后teamai pull会部署teamai-recall子 agentAI 在任务开始前自动检索团队知识图谱参与排名增强命中 codebase 页面时结果附带Sources:源文件行AI 可以直接从这些文件切入修改不用重新探索整个代码库。图谱质量如何保障图谱不是生成完就完事TeamAI 内置了健康度评估computeGraphHealth从五个维度打分连通性最大连通分量占比BFS 可达节点 / 总节点密度边数 / 节点数新鲜度可用状态节点占比置信度比例权重 ≥ 0.8 的高可信边占比孤立节点与悬空边计数另外图谱合并mergeGraphs遵循证据更丰富者优先原则新旧版本升级时带真实证据的边不会被早期写入的空证据边覆盖保证跨仓库依赖信息在增量导入中持续累积而不是被丢弃。常见问题FAQQ1AST 轨支持哪些语言TypeScript/JavaScript、Python、Go。Java、Rust 等由启发式轨覆盖。可用环境变量TEAMAI_SKIP_AST1强制只用启发式提取。Q2三种边在检索中作用不同吗findNeighborsNHop支持按关系类型过滤做多跳展开例如只沿IMPLEMENTS边找接口的所有实现或只沿DEPENDS_ON边找完整依赖链。Q3边的权重 0.9 和 0.5 差别在哪AST 提取且置信度为 EXTRACTED 的边取 0.9精确解析所得启发式或 INFERRED 的边取 0.5~0.8在健康度评分和召回排名中权重相应降低。写在最后TeamAI 跨仓库依赖图谱把散落在多个仓库里的组件、接口、配置关系收敛成一张可校验、可度量、可检索的图DEPENDS_ON回答依赖谁REFERENCES回答用了谁IMPLEMENTS回答实现了谁。配合teamai recall的图谱增强检索团队的经验沉淀和代码结构第一次真正连成了一张网——每一次执行都让整个团队更聪明。延伸阅读图谱 schema 与校验逻辑graph-index.schema.ts代码事实到图谱的构建code-graph.ts跨仓库边检测import-repo.ts使用指南docs/usage-guide.zh-CN.md官方文档docs/designs/team-intelligence-platform.md【免费下载链接】teamai-cliMake Every Team AI Native项目地址: https://gitcode.com/GitHub_Trending/te/teamai-cli创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考