← 返回 Demo Gallery
AI 工具调研报告
2026-06-01 · CodeGraph vs Context Mode · 使用层面分析
摘要：CodeGraph 和 Context Mode 都是面向 AI 编程助手（Claude Code、Cursor、Copilot 等）的配套方案。前者解决 AI "看不懂代码结构" 的问题，后者解决 AI "记不住、上下文塞爆" 的问题。两者针对的是同一个大问题的不同侧面，大项目可以配合使用。
一、CodeGraph — 给 AI 的"代码地图"
🗺️ 是什么
静态分析器
CodeGraph 是一个静态代码分析器，在不执行代码的前提下，把项目的代码结构（类、方法、模块、调用关系）解析成一张图谱，让 AI 能"看"到整个代码库的拓扑关系。
解决什么痛点
用 Claude Code 这类工具时，AI 对代码库的理解是"盲人摸象"——你让它改一个函数，它不知道谁调用了这个函数，也不知道改了会不会影响其他文件。结果就是反复试错、token 浪费。
使用层面的效果
- 跨文件理解：AI 能知道 UserService.login() 被 AuthController 和 OAuthMiddleware 同时调用
- 变量溯源：自动追踪一个变量是从哪里冒出来的，不用你手动翻文件
- 省钱：减少 AI 反复读文件的次数，token 费用降低
适合谁
- 大型代码库（几万行以上）
- 微服务 / 多模块项目
- 新接手一个项目，需要快速摸清结构
二、Context Mode — 上下文空间的"清道夫"
🧹 是什么
MCP 服务器
GitHub: mksglu/context-mode。解决 AI 编程助手聊久了之后，上下文被工具调用产生的原始输出塞爆的问题。
核心思路
"原始数据留在沙盒，只送结果进上下文"
举个例子：
- 传统方式：让 AI 读日志 → 工具返回 50KB 原始日志 → 塞进上下文 → AI 分析
- Context Mode：AI 写一个 Python 脚本分析日志 → 在沙盒执行 → 只返回"发现 3 个错误，分别在第 42、105、200 行" → 几十字节进上下文
使用层面的效果
| 场景 |
传统方式 |
Context Mode |
| 20 个 GitHub Issues |
59KB 进上下文 |
40 字节 |
| Playwright 页面快照 |
56KB |
299 字节 |
| 整体上下文节省 |
— |
约 96-98% |
解决的具体问题
- 上下文污染：原始数据塞满窗口，AI 注意力分散
- 会话失忆：对话压缩后 AI 忘记刚才在改哪个文件
- token 烧钱：大段原始数据 = 大段 token 费用
支持的 AI 工具
Claude Code、Cursor、VS Code Copilot、Gemini CLI、Zed、Windsurf、Kilo 等，总共 15+ 平台。
使用方式
装一个 MCP 插件，然后在聊天里用自然语言调用：
- ctx stats — 看省了多少钱
- ctx doctor — 诊断上下文健康度
- ctx search — 从知识库搜相关历史
- ctx execute — 沙盒执行代码/脚本
三、对比与关系
| 维度 |
CodeGraph |
Context Mode |
| 解决的问题 |
AI 看不懂代码结构 |
AI 记不住、上下文塞爆 |
| 工作层面 |
代码语义 / 结构 |
工具输出 / 数据流 |
| 最佳场景 |
改代码、跨文件重构 |
执行命令、读日志、查文档 |
| 是否必须 |
可选增强 |
高频使用者建议装 |
四、使用建议
🐣 小项目（<1万行）
Context Mode 就够了，CodeGraph 意义不大
🏢 大项目（>5万行）
两者配合，CodeGraph 让 AI 知道"去哪里改"，Context Mode 让 AI 记得"刚才改了什么"
💰 重度 Claude Code 用户
Context Mode 几乎是必装，token 省钱效果明显
📝 写教材 / 文档场景
Context Mode 的"沙盒处理"思路可以借鉴——让 AI 写脚本处理大量参考资料，只返回摘要
五、局限
- Context Mode：需要改变你的 prompt 习惯（从"请分析这些日志"变成"请写个脚本分析日志然后执行"），有学习成本
- CodeGraph：第一次解析大型项目需要时间，增量更新还行
- 兼容性：两者都是给"有工具调用能力的 AI 助手"用的，普通 ChatGPT 网页版装不了
一句话总结
CodeGraph 是帮 AI "看懂地图"，Context Mode 是帮 AI "记住路线、轻装上阵"。
大项目两者都上，小项目优先 Context Mode。