Understand-Anything (知识图谱)

五维评分

优秀点拆解

• 确定性脚本与 LLM 语义的清晰分工：文件枚举/import 解析/结构抽取全下沉到 tree-sitter 脚本（prompt 强制『脚本是唯一抽取路径』），LLM 只做摘要、分层、导览等语义判断，结构侧可复现且大幅省 token
• 7 阶段流水线 + 磁盘中间产物协议：每个 agent 结果写 .ua/intermediate/*.json 而非塞进上下文，千文件级图谱数据可断点续跑、可复用、可审计
• 增量更新 + 结构指纹的 token 经济学：git diff 只重分析变化文件，auto-update 模式先比指纹，纯格式/内部逻辑改动零 token 跳过，只有结构变化才升级到 LLM
• 图谱即资产：知识图谱是纯 JSON 可 commit 共享（git-lfs 支持），viewer 包让无 LLM 无 API key 的人也能打开 dashboard，支持 16+ 平台分发
• 工程级错误处理：partial results 优先、失败重试一次、警告全量上报、rm 改 mv 进 .trash-* 规避宿主安全门禁、空路径守卫等防御性细节带着 issue 编号沉淀

可复用的设计模式

• 「确定性脚本 + LLM 判断」双层 agent 模式：脚本穷举可计算的，LLM 只做不可替代的推理，prompt 里硬性禁止重新实现脚本逻辑
• 决策表驱动的运行模式：用 markdown 表格（条件→动作）把 full/incremental/review-only/跳过 变成确定性决策而非 LLM 自由裁量
• LLM 输出规范化后处理管道：unwrap envelope、字段重命名、路径补前缀、丢悬空引用、必填校验，把清洗 LLM 输出做成固定脚本而非碰运气
• hooks 驱动的自动维护：SessionStart + PostToolUse 双 hook 判定图谱过期并注入自动更新指令，自动化触发与行为步骤分离

适用场景

边界与注意：首次全量分析 token 消耗大（README 明示，建议本地模型或限定子目录）；依赖 Node≥22+pnpm；tree-sitter 未覆盖的语言（Swift/Kotlin 等）结构抽取退化，且 import 解析只支持 13 种语言、无 LLM 兜底；增量更新依赖 git；语义质量受底层模型能力制约；定位是理解与导航，不改代码。