實作案例 · CBM 自己 · codebase-memory-mcp 繁中教學站

產出出處：本案例的互動圖與報告由 graphify（Apache-2.0）產生。graphify 是另一個開源知識圖譜工具（Leiden 社群偵測、EXTRACTED/INFERRED 信任標籤、互動 HTML 輸出）；本站用它來分析 codebase-memory-mcp 自己，呈現「知識圖譜工具 × 知識圖譜工具」的對照。產出資料在 worked/cbm-source/。

為什麼做這個案例

codebase-memory-mcp（CBM）本身就是一個把 codebase 變知識圖譜的工具。用 graphify 再掃一次 CBM 的源碼，有幾個教學價值：

對照兩種工具哲學：graphify 偏向「一鍵互動圖 + 審計報告」，CBM 偏向「15 個 MCP 工具 + 即時查詢」。同一份 C 語料，兩者都能給出節點/邊/社群。
驗證 CBM 的模組結構：graphify 的社群偵測自然地把 343 個社群對應到 CBM 的模組（Cypher engine、MCP server、Daemon IPC…）——側面驗證 CBM 的架構乾淨度。
meta 示範：看一個「會建知識圖譜的 repo」被另一個工具畫成圖。

語料

上游 main @ 2c50c77（2026-08-08）的第一方程式碼：

部分	內容	檔案數
`src/`	CBM 主體 C 源碼（main/mcp/store/cypher/cli/pipeline/daemon/discover/semantic/ui…）	193
`tests/`	測試（6,768 tests 的 C 測試碼、Hybrid LSP 各語系測試）	247
合計	純 C 語料（`--code-only`，零 LLM 成本）	440

刻意排除 internal/cbm/vendored/（974 檔第三方 tree-sitter grammars 生成碼）與 docs/assets——圖要呈現「CBM 自己的工程」，不是第三方生成碼。

本站跑的數字

指標	本站實測
語料檔案數	440
節點	15,815
邊	61,988
社群	343（最大社群 602 節點 = C++ Hybrid LSP tests）
互動圖	社群聚合檢視（343 社群節點 / 1,977 跨社群邊）
LLM / API 成本	0（純 AST，本機執行）
工具版本	graphify 0.9.36

God Nodes（核心抽象）

graphify 報告指出連接最多邊的「樞紐節點」——正是 CBM 架構中最關鍵的函式：

函式	邊數	位置
`find_resolved()`	679	LSP 解析核心（各語系共用）
`extract_cpp()`	609	C++ AST 抽取器
`cbm_store_close()`	568	SQLite 圖儲存關閉（全域生命週期）
`cbm_mkdtemp()`	522	平台相容的臨時目錄（跨模組共用）
`extract_rust()`	498	Rust AST 抽取器

社群對應模組

343 個社群，最大的幾個直接對應 CBM 的模組：

社群（graphify 命名）	節點	對應 CBM 模組
C++ Hybrid LSP tests	602	`tests/test_c_lsp.c`
Rust LSP resolution tests	355	`tests/test_rust_lsp.c`
Agent registry & profiles	287	`src/cli/agent_profiles.c`
MCP JSON-RPC server	219	`src/mcp/mcp.c`
Daemon IPC & sockets	196	`src/daemon/ipc.c`
Cypher query engine	136	`src/cypher/cypher.c`
File discovery & gitignore	147	`src/discover/`

完整 343 社群清單見 GRAPH_REPORT.md。

互動圖

CBM 源碼知識圖譜（社群聚合檢視）英文界面 ↗中文界面 ↗

因為全圖 15,815 節點超過 graphify 的 5,000 節點視覺化上限，自動聚合為社群檢視——這反而是好事：一眼看到整個 CBM 的模組結構與跨模組呼叫。

如何重現

# 0. 安裝 graphify（PyPI 套件名 graphifyy，雙 y）
uv tool install graphifyy

# 1. 準備語料（只保留第一方程式碼）
git clone https://github.com/DeusData/codebase-memory-mcp.git cbm
git -C cbm checkout 2c50c7741ec89dbcf43c2c85e005c0b58a4dbbf3
mkdir corpus && cp -R cbm/src corpus/ && cp -R cbm/tests corpus/

# 2. 跑完整 pipeline（code-only，零 API key）
graphify corpus --code-only

# 3. 產出在 graphify-out/
#    graph.html  互動圖（社群聚合檢視）
#    graph.json  全量圖資料（15,815 nodes / 61,988 edges）
#    GRAPH_REPORT.md  審計報告

# 4. 中文化 UI（選擇性）
cp graphify-out/graph.html graphify-out/graph-zh.html
# 替換 lang="en" → lang="zh-Hant" 及 UI 字串（Search / Node Info / Communities…）

已知限制

語料排除 vendored grammars 與 docs，節點數不代表 CBM 全 repo（2023 檔）。
互動圖是社群聚合檢視，想看單節點細節請用 graph.json 或改掃 src/ 單一目錄（193 檔，較可能落在節點級檢視範圍）。
graphify 的社群偵測（Leiden）與 CBM 的 Louvain 演算法不同——數字不直接可比，本頁只做結構對照。

看完這個案例你應該能說出：CBM 的模組邊界在哪、為什麼 cbm_store_close() 是所有模組的生命週期樞紐、以及 graphify 與 CBM 兩種知識圖譜工具的哲學差異。