震惊，AI 直接把我整个项目画成了知识图谱

2401_88756165

423人浏览 · 2026-05-26 13:50:29

2401_88756165 · 2026-05-26 13:50:29 发布

前言

我先说结论：这个插件是我最近用过很离谱的东西。

事情是这样的。我有个博客项目，199 个文件，自己写的自己当然清楚。但我最近发现了一个叫 Understand Anything 的 Claude Code 插件，据说能"自动分析代码库生成知识图谱"。

听起来挺唬人的，我心想不就是扫个目录嘛，能有多厉害？

然后我跑了一下。

它把我 199 个文件的项目拆成了 298 个节点、184 条依赖边、9 个架构层，还给我生成了一条 13 步的学习路线。

我盯着仪表盘看了十分钟，有种"我写的代码被 AI 从头到尾读了一遍然后画了张地图"的感觉。它知道哪个文件是 API 客户端的核心，哪个组件被哪些页面依赖。

关键是——我什么都没配置，就跑了一个命令。

这篇文章就来聊聊这个插件到底是什么、怎么装、怎么用，以及它分析我的项目后到底给出了什么。

它到底能做什么

先说核心能力：

你给它一个代码库，它给你一张知识图谱。

不是文件列表，不是目录树，而是一张真正的图——每个文件、函数、类都是节点，它们之间的导入、调用、依赖关系都是边。然后它还会自动识别你的项目架构分层，生成一条引导式学习路线。

整个过程全自动，不需要你写任何配置。

分析结果一览

拿我的博客项目 Kirameku 举例。它跑完之后，我得到了这些：

在这里插入图片描述

节点统计（298 个）：

类型	数量	说明
file	186	源代码文件
function	98	函数/方法
config	9	配置文件
document	4	文档文件
class	1	类/接口

边统计（184 条）：

类型	数量	说明
contains	104	文件包含函数/类
depends_on	38	运行时依赖
imports	28	导入关系
exports	9	导出关系
documents	3	文档关联
configures	2	配置关联

自动识别的架构层（9 层）：

层级	文件数	说明
工具与游戏层	58	35+ 工具箱应用 + 18 款小游戏
UI 页面层	43	博客核心页面 + 花园实验区 + 小说阅读
资源层	25	WebP 图片 + Live2D 模型配置
组件层	32	可复用 UI 组件（布局/音乐/照片/特效）
API 层	17	统一 HTTP 客户端 + 各业务域 API
配置层	9	Next.js/TS/ESLint 配置
数据层	6	静态数据 + 类型声明
内容层	4	博客文章
状态管理层	5	5 个 React Context Provider

学习路线（13 步）：

从根布局开始，到首页、API 层、状态管理、工具箱、花园、小说阅读、社交功能、最后到部署配置。像一份自动写的项目导览。

这些全都是 AI 自己分析出来的，我没做任何标注。

安装

前置条件

Node.js ≥ 22（推荐 24+）
pnpm ≥ 10
Claude Code（CLI 或桌面版都行）

Claude Code 安装

在 Claude Code 中依次运行：

/plugin marketplace add Lum1104/Understand-Anything
/plugin install understand-anything

装完就完事了，插件会自动注册所有命令。

其他平台

这个插件不只支持 Claude Code，还支持一堆 AI 编码工具：

平台	安装方式
Claude Code	插件市场
Cursor	克隆仓库自动发现
VS Code + GitHub Copilot	克隆仓库自动发现
Copilot CLI	`copilot plugin install`
Codex / Gemini CLI / OpenCode 等	一行脚本安装

Codex、Gemini CLI 等平台用一行命令装：

# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.sh | bash

# Windows (PowerShell)
iwr -useb https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.ps1 | iex

基本用法

1. 分析项目

进入你的项目目录，运行：

/understand

没了。就这一个命令。

插件会自动走完 7 个阶段：扫描文件 → 识别语言框架 → 分批分析 → 建立依赖 → 识别架构 → 生成路线 → 保存图谱。

输出保存在 .understand-anything/knowledge-graph.json。

2. 中文输出

默认输出是英文。加 --language 参数切换语言：

/understand --language zh

支持的语言：en（默认）、zh、zh-TW、ja、ko、ru。

这个参数会影响：节点摘要和描述、仪表盘 UI 的标签和按钮、学习路线的解释说明。

3. 打开仪表盘

分析完之后，启动可视化：

/understand-dashboard

浏览器会自动打开一个交互式页面。你可以：

浏览节点：点击查看每个文件的摘要、标签、复杂度
探索依赖：看文件之间的导入、调用关系
切换层级：按架构层过滤，只看 API 层或只看 UI 层
走学习路线：跟着 Tour 一步步理解项目
语义搜索：搜索"哪些部分处理身份验证？"就能找到相关节点

4. 增量更新

改了代码之后再跑 /understand，它会自动检测哪些文件变了，只重新分析那些文件。不用全量重建，速度很快。

还可以开启自动更新：

/understand --auto-update

这会安装一个 post-commit 钩子，每次 git 提交后自动增量更新图谱。

进阶用法

基于知识图谱问答

分析完之后，你可以直接问项目相关的问题：

/understand-chat "这个项目的 API 层是怎么组织的？"
/understand-chat "首页用了哪些组件？"
/understand-chat "音乐播放器的状态管理方案是什么？"

AI 会基于知识图谱里的节点和边来回答，不是泛泛而谈，而是基于实际代码结构。

分析变更影响

提交代码前，看看这次改动影响了哪些模块：

/understand-diff

深入理解某个文件

对某个文件有疑问？直接问：

/understand-explain app/api/client.ts

生成新人指南

要给新同事介绍项目：

/understand-onboard

它会生成一份结构化的项目导览，从入口文件开始，一步步带你了解整个项目。

提取业务领域

想看代码如何映射到业务流程：

/understand-domain

它会识别出业务领域、流程和处理步骤，以水平图的形式展示。

分析知识库

指向一个 Markdown wiki：

/understand-knowledge ~/path/to/wiki

它会把你的 wiki 转化为可导航的知识图谱，带社区聚类和隐式关系发现。

指定子目录

只想分析某个子目录：

/understand src/frontend

大型 monorepo 可以用这个来缩小分析范围。

强制全量重建

/understand --full

跳过某些文件

项目根目录下有个 .understand-anything/.understandignore 文件，语法跟 .gitignore 一样。把不想分析的文件加进去就行。

比如我的项目有很多 Live2D 模型资源（二进制文件、动画文件），我就把它们排除了：

# .understandignore
public/live2d/model/
public/live2d/jsdelivr/

团队共享

图谱就是一份 JSON 文件，提交到 git 之后，团队成员可以跳过分析直接用。

# .gitignore 中排除临时文件
.understand-anything/intermediate/
.understand-anything/diff-overlay.json

大型图谱（10 MB 以上）建议用 git-lfs 跟踪。

它是怎么工作的

Tree-sitter + LLM 混合分析

插件用了一种很聪明的分工：

Tree-sitter（确定性）—— 把源码解析成语法树，提取结构性事实：导入、导出、函数定义、类定义、调用点、继承关系。这些是确定性的，同样的代码永远得到同样的结果。
LLM（语义）—— 读取解析后的结构和源码，生成 Tree-sitter 做不了的事：通俗易懂的摘要、标签、架构层归属、学习路线。

正因为这个分工，图谱在结构层面是可复现的（同样的代码总是产生同样的边），同时在语义层面又能捕捉意图（一个文件是「为了什么」存在，而不仅仅是它 import 了什么）。

多智能体架构

/understand 命令背后有 5 个 AI 代理协作：

代理	职责
project-scanner	扫描项目文件，检测语言和框架
file-analyzer	提取代码结构，生成图节点和边
architecture-analyzer	识别架构层
tour-builder	生成引导式学习路径
graph-reviewer	验证图的完整性和引用完整性