Memgraph Ingester：加速你的AI智能體
Memgraph Ingester 是一款工具，能將 Java 代碼庫的結構和工程記憶轉化為 Memgraph 中的可查詢圖，使 AI 智能體能夠通過圖查詢而非純文本搜索來推理代碼和項目知識，從而提高準確性、降低成本並加快分析速度。支持並行解析、監視模式，並可與 Claude、Codex、Gemini 和 GitHub Copilot 等 AI 智能體集成。
文章情報
要點
- 創建代碼圖和記憶圖，將 Java 源碼結構與工程上下文（決策、規則、發現等）結合。
- 基於 JavaParser 支持 Java 25 語法，可通過類路徑提升符號解析。
- 支持 4-8 線程的並行導入和監視模式，自動響應源碼變更。
- 提供腳本與主流 AI 智能體（Claude、Codex、Gemini、GitHub Copilot）集成。
為甚麼重要
這條新聞值得關注，因為創建代碼圖和記憶圖，將 Java 源碼結構與工程上下文（決策、規則、發現等）結合。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
Memgraph Ingester 是一個開源工具，旨在將 Java 代碼庫的結構化模型導入 Memgraph 圖數據庫，形成可查詢的代碼與記憶知識圖。該工具由兩個核心圖組成：代碼圖（存儲包、文件、類、方法、字段、繼承和調用關係）和記憶圖（存儲決策、ADR、規則、任務、風險、問題等工程上下文）。每個節點都通過項目屬性作用域，因此多個 Java 代碼庫可以共享同一個 Memgraph 實例而不會衝突。
該工具使用 JavaParser 進行語法分析，並配置為支持 Java 25 語法。對於更早版本的 Java 代碼，它通常也能處理，但 JavaParser 並非 javac 的替代品，可能遺漏某些邊緣情況。通過可選的類路徑參數，可以顯著提高符號解析的準確性，從而更好地識別類型和調用關係。
快速入門方面，用户只需下載最新 JAR 包，運行 Memgraph 實例，然後通過命令行指定源碼目錄、Bolt 連接和項目名稱即可完成導入。工具支持多種選項，包括清除項目代碼圖、清除項目記憶圖、應用模式、增量導入和監視模式。監視模式利用 Java 的 WatchService 高效監聽文件變化，並帶有防抖延遲，特別適合開發階段。
並行導入功能利用多個解析線程加速大型代碼庫的導入。實測表明，4-8 個線程是大多數機器的理想選擇——超過 CPU 核心數很少帶來額外收益。由於 Memgraph 社區版串行化寫入，寫路徑會成為瓶頸，因此擴展並非線性。
該工具的一大特色是能與多種 AI 智能體無縫集成。項目提供了初始化腳本（init-memgraph-claude.sh、init-memgraph-codex.sh、init-memgraph-gemini.sh、init-memgraph-github.sh），這些腳本會從 GitHub 獲取模板，替換項目名稱，然後將結果追加到對應的智能體配置文件（如 CLAUDE.md、AGENTS.md）中。提交這些文件後，智能體在每次會話啓動時都會讀取，從而學會通過圖查詢而非純文本搜索來理解代碼庫。
此外，用户可以直接使用 mgconsole 工具查詢圖，或者配置 Memgraph MCP 服務器，讓 AI 智能體通過圖查詢推理代碼和記憶。這種方式相比純文本搜索，能顯著提升準確性、降低令牌消耗並加速分析。
Memgraph Ingester 適用於任何需要 AI 輔助代碼理解的 Java 項目，尤其適合大型代碼庫和需要持久化工程知識的團隊。