Understand-Anything 使用指南:把代码库与知识库变成可探索图谱

About 7 min read

从安装、/understand 分析到 dashboard、diff impact 与论文 wiki 工作流,一份面向 AI 可视化与 agent 工具链的实操导读。

Contents · 10 sections · jump to a heading

官网口号很直白:Other tools show you a hairball. We teach you the codebase. Understand-Anything 把 codebase、knowledge base 或 docs 转成可探索、可搜索、可提问的交互式知识图谱。

本文是 vault 教程的公开导读:保留可验证工作流,去掉本地绝对路径与一次性 token。在线 Demo:understand-anything.com/demo,仓库:Lum1104/Understand-Anything。

它解决什么问题

普通代码图谱只给你文件、函数和边。问题在于:你看到一团节点后,仍然不知道从哪里开始。

Understand-Anything 想固化的是:

  • 结构:文件、函数、类、模块、文档、API、pipeline
  • 关系:imports、contains、calls、depends_on、documents、related
  • 意义:节点摘要、复杂度、标签、架构层
  • 学习路径:guided tour / onboarding
  • 业务视角:domain / flow / step
  • 变更影响:diff impact

它把「AI 对复杂系统的理解」固化成 .understand-anything/knowledge-graph.json,成为可复用的 知识库工件,后续任务可以直接读取。

安装与平台

Claude Code 原生

1
/plugin marketplace add Lum1104/Understand-Anything
2
/plugin install understand-anything

项目目录里:

1
/understand
2
/understand-dashboard

多平台安装脚本

macOS / Linux:

1
curl -fsSL https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.sh | bash

直接指定平台:

1
curl -fsSL https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.sh | bash -s codex
2
curl -fsSL https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.sh | bash -s pi
3
curl -fsSL https://raw.githubusercontent.com/Lum1104/Understand-Anything/main/install.sh | bash -s vscode

官方支持 Claude Code、Cursor、VS Code + Copilot、Codex、OpenCode、Gemini CLI、Pi Agent 等。本地建议 Node.js ≥ 22、pnpm ≥ 10。这些入口本质上是挂在 agent harness 上的 agent skills,不是独立桌面应用。

最基本工作流:分析一个代码库

1
cd /path/to/project

然后:

1
/understand

产物通常在:

1
.understand-anything/knowledge-graph.json
2
.understand-anything/meta.json
3
.understand-anything/config.json

过程大致是:扫描文件 → 检测语言框架 → tree-sitter 抽结构 → agent 分析语义 → 生成节点边与架构层 → guided tour → 校验完整性。

常用参数:

命令作用
/understand --full强制全量重建
/understand --language zh中文摘要与 dashboard 文案
/understand src/frontend只分析子目录,适合 monorepo
/understand --auto-update提交后增量更新
/understand --review更完整的 LLM graph reviewer

Dashboard 怎么用

1
/understand-dashboard

本地会起 Vite server。URL 必须带 ?token=,否则接口会要求 Access Token。

先看 layers,不要先被节点数量吓住。推荐顺序:

  1. 项目名 / 语言 / 框架
  2. layer 列表
  3. 每层关键节点
  4. Learn / Guided Tour
  5. 搜索你关心的概念
  6. 再点具体文件或函数

节点常见字段:id、type、name、filePath、summary、tags、complexity。边常见类型:imports、contains、calls、depends_on、documents、related、categorized_under。

这套读图方式,本质上是把 可视分析 用到代码与知识结构上:overview first,再 zoom / filter,再 details-on-demand。

围绕图谱的 agent 技能

技能用途
/understand-chat基于 graph 问业务流程、认证模块、数据流
/understand-explain结合全局关系解释某个文件/函数
/understand-diff改动 blast radius、affected layers、risk
/understand-onboard生成新人入门文档
/understand-domain抽出 domain / flow / step 业务图
/understand-knowledge分析 Karpathy-pattern wiki / 论文知识库

适合问:登录流程在哪、哪些文件是新手必读、哪些节点复杂度最高。不适合问:图谱没覆盖的最新未分析改动、纯运行时性能、外部服务黑箱细节。

论文与知识库:/understand-knowledge

知识库需要 Karpathy-pattern wiki:

1
wiki-root/
2
index.md
3
log.md
4
AGENTS.md 或 CLAUDE.md
5
raw/
6
source.md
7
Concept A.md
8
Concept B.md

要求:

  • 必须有 index.md
  • 多个 .md 文件
  • 用 [[wikilink]] 连接
  • index.md 的二级标题会变成 category / layer

不要把整篇论文塞进一个长 note。拆成概念节点后,图谱才清楚:Architecture、Attention、Representation、Evidence 分层。

团队共享与排错

建议提交:

1
.understand-anything/knowledge-graph.json
2
.understand-anything/meta.json
3
.understand-anything/config.json

不要提交 intermediate 与 diff-overlay。图谱超过 10MB 时用 git-lfs。

常见坑:

  1. 没 graph:先 /understand 或 /understand-knowledge
  2. dashboard 无数据:URL 丢了 token
  3. invalid graph:目录指错或 JSON 不完整
  4. unresolved wikilink 太多:文件名、H1、index 链接不一致
  5. 大项目慢:分析子目录 + .understandignore 排除 node_modules/、dist/ 等

推荐工作流

代码库

1
/understand --language zh
2
/understand-dashboard
3
/understand-onboard
4
/understand-chat 这个项目最核心的模块是什么?
5
/understand-diff

论文

  1. 在笔记库把论文拆成概念 note
  2. 写 index.md 分组
  3. [[wikilink]] 连接
  4. /understand-knowledge /path/to/wiki
  5. dashboard 对照补缺失概念
  6. 把 learning path 写回笔记库

PR review

1
/understand
2
# 改代码
3
/understand-diff
4
/understand-chat 这次改动可能影响哪些模块?

结论

Understand-Anything 把代码库、知识库和论文材料转成 AI 可查询、可解释、可复用的知识图谱。把它接入 coding agent 工作流后,可以先固化结构理解,再进行问答、解释和 diff 分析。

延伸阅读

Share this note on Twitter / X · Browse all articles · Feedback via @qianyuhe.

Thanks for reading.

– 千羽鹤