Allows connecting to a local Ollama instance to run model explanations for the workbench, keeping project evidence on the local machine.
面向开发者与 AI 编程助手的本地代码图谱引擎。
理解项目结构，追踪调用与依赖，评估改动影响，让每一步代码审查都有可追溯的依据。
快速开始 · 接入 AI 助手 · 可视化工作台 · 支持语言 · 文档 · English
CodeLattice 用 Rust 编写，通过静态分析将代码库整理成可查询的工程图谱。它适合接手陌生项目、维护大型遗留代码、规划重构和做提交前审查，既可以通过 CLI 独立使用，也可以通过 MCP 为 AI 助手提供结构化上下文。
当前版本：v0.17.0-beta.2 · 外部 Beta。 各语言与入口的成熟度不同；桌面 Workbench 为 P0 开发构建。版本详情见 发行说明，实际下载以 GitCode Releases 的附件为准。
场景 | 你可以问的问题 | CodeLattice 提供的依据 |
接手项目 | “入口在哪里？哪些模块相互依赖？” | 项目与包结构、符号位置、调用链、工作区关系 |
修改前评估 | “改这个函数，哪些调用方可能受影响？” | 上下游关系、影响范围、风险理由与置信度 |
提交前审查 | “这次改动是否遗漏了 API、文档或测试的同步？” | 变更符号、兼容风险候选、相关文件与验证建议 |
flowchart LR
A[本地代码库] --> B[静态分析]
B --> C[符号、调用与依赖图谱]
C --> D[CLI 查询与变更审查]
C --> E[MCP：AI 助手上下文]
C --> F[工作台：图谱与证据导航]关系结果保留源码位置、置信度与解析理由；图谱质量检查覆盖悬空边、重复节点等问题。你可以沿着证据回到源码复核，而不是只得到一段无法追溯的结论。静态图谱不等同于运行时证明，清理候选也不能直接作为删代码的依据。
Related MCP server: Gortex
需要 Git、Rust/Cargo、Bash；自检脚本还需要 Python 3。macOS / Linux 的环境准备见 入门指南 和 Linux / openEuler 构建指南。
git clone https://gitcode.com/aiulms/codelattice.git
cd codelattice
bash scripts/install-mcp.sh --build
target/release/codelattice analyze \
--root fixtures/rust/portable-smoke \
--language rust \
--format json默认构建启用当前全部语言适配器。成功后会输出项目摘要、图谱、诊断和质量检查结果。把 --root 换成你的项目目录即可继续；不确定语言时可用 --language auto，多项目根目录会返回工作区入口信息。
macOS Apple Silicon 用户可在 Releases 选择带 darwin-arm64 附件的版本。克隆仓库后，在仓库根目录运行：
export CODELATTICE_TOOL_DIR="$HOME/.local/share/codelattice-tool"
bash scripts/install-release.sh \
--version v0.17.0-beta.2 \
--install-dir "$CODELATTICE_TOOL_DIR"
"$CODELATTICE_TOOL_DIR/codelattice-mcp.sh" --self-test安装器校验下载文件的 SHA-256，并安装稳定的 MCP 启动脚本。其他平台优先使用源码构建；完整安装、升级与回滚方法见 安装指南 和 升级指南。
通过 MCP 为 Codex、Claude Desktop、OpenCode 等客户端提供项目理解与变更审查上下文。
如果使用上面的源码构建路径，先将工具复制到稳定目录：
export CODELATTICE_TOOL_DIR="$HOME/.local/share/codelattice-tool"
bash scripts/promote-to-local-tool.sh --install-dir "$CODELATTICE_TOOL_DIR"
"$CODELATTICE_TOOL_DIR/codelattice-mcp.sh" --self-test如果已用 release 安装器安装，可跳过这一步。随后打印客户端配置片段：
bash scripts/install-mcp.sh --print-config --install-dir "$CODELATTICE_TOOL_DIR"脚本只打印配置，不自动修改客户端设置。按对应客户端格式填入稳定目录中的 codelattice-mcp.sh 绝对路径。
默认 MCP 模式提供 6 个按任务组织的入口：工作流、项目、符号、变更审查、工作区和缓存。接入后可以尝试：
“用 CodeLattice 概览这个项目，列出入口、核心模块和分析限制。”
“修改这个函数之前，检查它的调用方和潜在影响。”
“审查当前改动，列出需要同步检查的文档、测试和公开 API。”
配置示例、工具选择和大项目异步查询见 MCP 使用指南；更多提问方式见 提示词示例。
入口 | 适合的用法 | 当前范围 |
WebUI / Snapshot Viewer | 在浏览器中查看快照、搜索符号、浏览图谱与审查摘要 | 本地 Web 入口，支持 Runner 分析与工作区选择 |
Desktop Workbench | 联动结构树、图谱、上下游证据和项目对话 | Tauri 桌面 P0 开发构建；签名安装器与自动更新需独立发布验证 |
在仓库根目录启动 WebUI：
bash scripts/webui-runner.sh --open桌面工作台将静态分析结果与模型解释分开展示：选择节点或关系可以查看证据，模型解释需要显式触发，模型输出不会写回事实图谱。
WebUI 使用指南 · 桌面 Workbench 使用指南 · 桌面构建说明
以下状态是各语言分析路径的成熟度，不代表整个产品已达到 GA。Fixture smoke 是静态契约验证，不代表完整语言语义或目标项目运行验证。
语言 | Beta 状态 | Fixture smoke | 主要支持 | 已知限制 |
Rust | Stable | ✅ | Cargo 项目模型、符号、imports、CALLS、quality gates | 不做完整类型推断 / trait solving / macro expansion |
Cangjie / 仓颉 | Stable | ✅ | cjpm 项目模型、符号、跨文件引用、调用、diagnostics | 不替代 cjc / cjlint |
ArkTS / HarmonyOS | Production Trial | ✅ | HarmonyOS 项目识别、component/buildMethod、UI call extraction | 不完整解析 ArkUI DSL，不支持所有装饰器语义 |
TypeScript | Beta hardened | ✅ | 符号、imports、calls、tsconfig paths、workspace package import | 不等同 tsc，不做类型系统求值 |
C | Phase A hardened | ✅ | 符号、includes、compile_commands include path、qualityMetrics | 不做完整预处理器、宏展开或函数指针解析 |
C++ | Phase A hardened | ✅ | 符号、includes、calls、compile_commands include path | 不做模板实例化、重载解析、虚调用解析 |
Python | Phase A hardened | ✅ | 符号、calls、package import、relative import、re-export | 不执行代码，不解析动态 import / monkey patch |
JavaScript | Phase A hardened | ✅ | JS/JSX/MJS/CJS 符号、ESM import/export、CommonJS require/module.exports、package.json 入口 | 静态分析，不执行代码；dynamic import/require 为 diagnostic；不索引 node_modules |
Shell | Phase A hardened | ✅ | 脚本文件、函数、source 关系、命令调用、环境变量、风险诊断 | 不执行脚本，不替代 shellcheck，不展开复杂参数/条件 |
更细的语言策略和示例见 CLI 与工程参考。
分析引擎在本地运行：不依赖云端索引，不上传源码，不执行目标项目代码、构建脚本或测试脚本。
模型解释是独立可选能力：工作台连接远程模型时会发送结构化图证据；默认不发送源码正文。使用本地 Ollama 可让项目证据留在本机。通过外部 MCP 客户端使用时，数据处理还取决于该客户端和模型配置，详见 工作台隐私边界。
结果有明确限制：不做完整类型推断、Rust trait solving、宏展开或完整 C/C++ 预处理；动态行为可能无法解析，关系结果需结合置信度与诊断复核。
审查辅助不能替代验证：影响范围、死代码候选和根因假设都需要结合源码、编译、测试与运行证据判断。
想了解什么 | 入口 |
安装、首次分析与平台准备 | 入门 · 安装 · Linux / openEuler |
仓颉项目使用 | |
AI 工具接入与场景示例 | |
完整命令、语言细节和开发验证 | |
图谱与接口契约 | |
版本变化与验证范围 | |
构建发行包与贡献代码 | |
使用问题与改进建议 |
中文 README 为维护基准，英文说明 为参考入口。历史 Cargo package / 兼容二进制名 gitnexus-rust-core-cli 仅用于迁移，外部命令推荐使用 codelattice。
Cache management (optional performance layer, NOT availability gate): status, clear, explain, prewarm. Disabled persistent cache does NOT prevent fresh static analysis — CodeLattice works fine without it. Use mode=status to check memory and persistent cache state.
Inputs: mode, compact.
Concrete pre/post edit review for a SINGLE project root when the target is known. Use impact before editing a symbol/path, native_review after local diffs, breaking_change for public API concerns, and job modes for large repos. If the target is unclear, use codelattice_workflow first.
Inputs: mode, page, root, jobId, +6 more.
Project-level analysis for a SINGLE project root. Use this for structure, entry points, components, and static risk orientation after root selection. Prefer quick first, standard for module/risk review, deep for detailed static evidence, diagnose for issue localization, and job modes for large repos. For monorepo/workspace roots, use codelattice_workspace or workflow explore first, then switch to a manifest-backed sub-project root.
Inputs: mode, page, root, jobId, +9 more.
Symbol-level queries for a SINGLE project root after root selection. Use search/context when you know a symbol or name; use callers/callees/call_chains for relationships and flow. For large projects, use mode=job to submit an engine-backed analysis job with progress tracking, then mode=job_status and mode=job_detail.
Inputs: kind, mode, name, page, +10 more.
AI intent router and orchestration layer. Use this FIRST when unsure which CodeLattice tool or root to call. Use ask for natural-language routing, explore for progressive project/workspace orientation, diagnose_issue for symptoms, and before_edit only once you have a concrete target.
Inputs: mode, name, root, depth, +13 more.
Workspace/monorepo analysis for project boundaries, dependency graph, cross-project impact, overview, or engine-backed job mode. Use this on workspace roots; use codelattice_project only after selecting a manifest-backed project root.
Inputs: mode, page, root, jobId, +5 more.
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 6 tools
The six tools span reasonably distinct domains (workflow, project, symbol, change review, cache, workspace), and the descriptions explicitly instruct the agent on routing order (workflow first, project vs workspace by root type). However, there is real overlap: workflow's diagnose_issue and before_edit duplicate project's diagnose mode and change_review's impact mode, and three tools share engine-backed job modes, so misselection is likely without careful reading of each description.
All names follow a strict pattern: codelattice_ prefix plus a snake_case domain noun (workflow, project, symbol, change_review, cache, workspace). It is noun/domain-based rather than verb_noun, but it is applied uniformly with no style mixing, making the set predictable.
Six tools is a well-scoped surface for a static-analysis server, and each maps to a recognizable concern (routing, project, symbol, review, workspace, cache). The caveat is heavy mode multiplexing — a single tool like codelattice_symbol hides search/context/callers/callees/job/job_status/job_detail — which makes the effective surface larger than six suggests.
The lifecycle is well covered for the stated domain: orientation, structural analysis, symbol/call-graph queries, pre- and post-edit impact and breaking-change review, plus cache management. Minor gaps exist — no explicit file content read or per-file inspection tool, and no dependency/license/vulnerability analysis — but agents can largely work around these via symbol and project queries.
AI-powered codebase analysis — call graphs, security, dead code, complexity. 150+ tools.
Code intelligence platform for AI agents. 20 tools for architecture, security & impact analysis.
Code intelligence for coding agents: semantic, AST, graph, and full-text search. 279+ languages.
Deterministic context layer for your codebase: change impact, blast radius, answers with receipts.
