Davide De Sio第一次看到Colby McHenry的CodeGraph时，脑子里闪过一个念头：这东西要是能在Kiro里跑，我的API账单能省多少？
三周后，他交出了答案——KiroGraph。一个100%本地运行的语义代码知识图谱，把AI工具调用量压到原来的十分之一。
从"翻箱倒柜"到"一键查询"
Kiro用户以前怎么找代码？让AI用grep（全局正则搜索）和glob（批量文件匹配）在文件堆里翻。每次请求都是一次工具调用，每次调用都在烧token和等待时间。
KiroGraph的做法是提前建一张地图。用tree-sitter（语法解析器）把源码转成AST（抽象语法树），抽取出符号关系、调用图谱、类型层级、影响半径——全部塞进本地数据库。
AI再提问时，不是去读文件，而是查这张预建的图谱。一次MCP（模型上下文协议）工具调用，秒级响应。
「When you ask Kiro to work on a complex task, it explores your codebase using file reads, grep, and glob searches. Every one of those is a tool call, and tool calls consume context and slow things down.」——Davide在博客中写道。
为什么"本地"是硬需求
CodeGraph给Claude Code用，但Kiro是AWS的spec-driven AI IDE，架构完全不同。Davide没做简单移植，而是对着Kiro的MCP和hooks系统重写了一遍。
支持的数据库选项很野：SQLite、PGlite、Orama、Qdrant、Typesense。全本地，不碰云端。安装带交互向导，代码变动自动同步索引。
这对企业代码库是刚需。不是所有人都愿意把核心架构上传到OpenAI或Anthropic的服务器做RAG（检索增强生成）。
从"能用"到"好用"的社区推力
Davide坦白：最初只是port（移植）一下，但社区反馈推着他把CodeGraph从地基重盖了一遍，功能大幅扩展。
现在KiroGraph能做的事比原型多得多。具体多了什么，他没在博文里列清单——但GitHub仓库的commit记录和issue讨论里应该能找到线索。
一个值得玩味的细节：这个项目是"Build in Public"系列的一部分。Davide用Kiro这个AI IDE，开发KiroGraph这个给Kiro用的工具。套娃，但确实高效。
90%的token削减是硬数字。对于每天跑几百次复杂代码查询的团队，这意味着从每月几百美元降到几十美元，或者同样预算下把响应速度提上去。
下一步会是什么？Davide没提roadmap。但既然KiroGraph已经证明本地语义图谱的可行性，其他AI IDE会不会跟进——或者反过来，Kiro会不会把这类功能收进官方发行版？
热门跟贴