# GitNexus：浏览器端零服务器知识图谱构建与 Graph RAG 代码探索 > GitNexus 在浏览器中零服务器从 GitHub repo 或 ZIP 构建知识图谱，集成交互式 Graph RAG agent 实现代码依赖分析、影响评估与探索，提供工程化参数与集成清单。 ## 元数据 - 路径: /posts/2026/02/28/gitnexus-zero-server-graph-rag/ - 发布时间: 2026-02-28T12:06:09+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 GitNexus 作为一款零服务器代码智能引擎，完全在浏览器端运行，支持从 GitHub 仓库或 ZIP 文件直接构建知识图谱，并内置 Graph RAG agent 用于交互式代码情报分析。这种 client-side 架构的最大优势在于隐私保护和即时可用性：无需上传代码到远程服务器，一切解析、存储和查询均在本地浏览器完成，避免了数据泄露风险，同时启动速度极快，适合快速代码审查和探索场景。 核心技术栈依赖 WebAssembly 实现高性能本地计算。具体而言，代码解析采用 Tree-sitter WASM，支持 TypeScript、JavaScript、Python、Java、C/C++、C#、Go、Rust 等 9 种主流语言，通过 AST（抽象语法树）提取函数、类、方法和接口等符号。符号间关系解析包括调用链（CALLS）、导入（IMPORTS）、继承（EXTENDS/IMPLEMENTS）等，并计算置信度分数（confidence，通常 0.8 以上视为高可靠）。知识图谱存储于 KuzuDB WASM，这是一个嵌入式图数据库，支持向量索引和 Cypher 查询语言，实现高效的混合搜索（BM25 + 语义嵌入 + RRF 融合排序）。“GitNexus is a client-side knowledge graph creator that runs entirely in your browser.” 索引管道分为多阶段：文件树遍历 → AST 解析 → 跨文件符号解析 → 功能聚类（community detection，使用 Graphology）→ 执行流程追踪（从入口点如 main() 追溯调用链）→ 嵌入生成（transformers.js via WebGPU/WASM）。整个过程在浏览器内存中完成，对于中小型仓库（~5k 文件）耗时通常数分钟。 Graph RAG agent 是 GitNexus 的亮点，它不是简单文本 RAG，而是基于预计算图结构的智能工具集，通过 LangChain ReAct 代理暴露给用户，支持自然语言交互。agent 可调用 7 个核心工具，每个工具返回结构化上下文，避免 LLM 盲目图遍历，提高 token 效率和准确性。关键工具包括： 1. **query({query: "auth middleware", repo?: "my-app"})**：过程分组混合搜索。返回按执行流程（process）聚合的结果，如优先级（priority）、符号计数、步骤数。落地参数：query 字符串精确描述需求；repo 在多仓库模式下指定；预期输出包含 process_symbols 和 definitions，便于定位相关模块。 2. **context({name: "validateUser"})**：360 度符号视图。展示传入/传出调用、进程参与、文件位置。参数：name 为符号名（如函数/类）；可选 filter（如 relationTypes: ["CALLS"]）。用于调试时快速了解符号生态。 3. **impact({target: "UserService", direction: "upstream|downstream", minConfidence: 0.8, maxDepth: 2, includeTests: false})**：爆炸半径分析。核心参数： - direction: "upstream"（谁依赖我，会因修改我而破）、"downstream"（我依赖谁）。 - minConfidence: 阈值 0.7-0.9，过滤低置信边。 - maxDepth: 层级 1-3，避免图爆炸。 - relationTypes: ["CALLS", "IMPORTS"]。 输出分层分组，高置信调用链，便于变更前风险评估。 4. **detect_changes({scope: "all|modified", gitDiff?: true})**：Git diff 影响检测。扫描变更行，映射到受影响进程。参数：scope 限定范围；risk_level 自动分类（low/medium/high，根据 affected_count）。 5. **cypher(query: "MATCH ... RETURN ...")**：原生 Cypher 查询，如查找高置信认证调用：`MATCH (c:Community {heuristicLabel: 'Authentication'})<-[r:CodeRelation {type: 'CALLS', confidence > 0.8}]-(fn) RETURN fn.name`。 其他工具如 rename（多文件重命名，dry_run: true 先预览）和 list_repos。 对于 Web UI（https://gitnexus.vercel.app/），使用流程简单：拖拽 ZIP → 自动索引 → 交互图可视化（Sigma.js + Graphology WebGL 渲染）→ 聊天框输入自然语言，agent 调用工具响应。监控要点：浏览器开发者工具查看 Web Workers 进度；内存使用 <2GB 为宜；索引后检查 staleness（CLI 有 status 命令）。若仓库大，转 local backend：CLI `npx gitnexus serve` 启动 HTTP 服务，UI 自动桥接，无需重索引。 CLI 版扩展生产力：`npx gitnexus analyze`（repo 根目录运行，生成 .gitnexus/ 索引，~/.gitnexus/registry.json 注册）。选项：--force 全重析、--skip-embeddings 跳向量（加速 2x，但语义搜索弱）。集成 MCP（Model Context Protocol）到编辑器： - Claude Code：`claude mcp add gitnexus -- npx -y gitnexus@latest mcp`，获 PreToolUse hooks 自动图增强。 - Cursor：编辑 ~/.cursor/mcp.json 添加 {"gitnexus": {"command": "npx", "args": ["-y", "gitnexus@latest", "mcp"]}}。 参数优化：并发连接池 max 5，空闲 5min 驱逐；wiki 生成 `--model gpt-4o-mini --base-url` 自定 LLM。 回滚策略：`gitnexus clean` 删当前索引、`--all --force` 清全局。风险限：浏览器内存溢出（>10k 文件用 CLI）；LLM API 依赖 wiki/agent（本地无 key 则纯图工具）。总体，GitNexus 通过预计算关系智能（precomputed relational intelligence），让中小模型也能处理复杂代码架构，远超传统 RAG。 （正文字数：约 1250 字） **资料来源**： - GitHub Repo: https://github.com/abhigyanpatwari/GitNexus - Web Demo: https://gitnexus.vercel.app/ - Tree-sitter: https://tree-sitter.github.io/tree-sitter/ ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。