一个榜单上的旁证
2026 年 9 月上旬的 GitHub 榜单上出现了一组耐人寻味的并列。写 Agent 本体的项目依然霸榜，几个主流编程 Agent 的星数都在十万量级。但在同一批榜单里，还挤着两个不写 Agent 本体的项目——一个把代码库连同文档、SQL 表结构、配置解析成可查询的知识图谱，另一个给 Agent 装上跨会话记忆。它们的体量已经大到无法被当作周边小工具看待。
这背后是一个正在发生的判断转移：当各家模型在编程任务上的差距被逐步压缩，决定一个 Agent 好不好用的变量，越来越不是模型本身，而是模型在那一刻能看到什么。围绕上下文的工程化供给，正在从每个团队各自手搓，变成一层可安装、可复用、可审计的基础设施。
两类做法：确定性图谱与跨会话记忆
先看图谱这一路。以 graphify 为例，它的做法是把整个仓库解析成一张知识图谱：代码、文档、SQL 模式、配置文件，乃至 PDF 都进同一张图。解析走本地确定性流程，用 tree-sitter 做抽象语法树分析，官方称覆盖约四十种语言，全程不上传云端，也不依赖向量库。使用方式是在 AI 助手里输入一条命令扫描当前目录，产出可交互的可视化页面、一份摘要报告和一份可查询的图谱文件。按官方给出的口径，同类任务下 token 消耗的降幅达到数十倍量级。
另一条路线把重心放在代码审查场景。code-review-graph 维护一份持久化的本地代码智能图，通过 MCP 接入 AI 助手，特点是增量更新——代码变更时只重建受影响的子图。官方给出的 token 降幅中位数更高，在特定仓库上还有更极端的数字。走类似 tree-sitter 代码图谱路线的还有若干规模较小的项目。
记忆这一路则以跨会话持久化为卖点。claude-mem 这类项目把上次会话里确认过的偏好和决定存下来，下一次开新会话时自动注入，避免用户重复说明。它和代码图谱解决的是两个不同的问题：图谱回答这个仓库长什么样，记忆回答我们之前决定了什么。
为什么是现在
有三条线索可以解释这波集中出现。
其一，Agent 的工作时长在变长。从一次对话补全，走向跨小时、跨天的任务，上下文就不再是一次性的输入，而是一个需要被存储、更新、召回的状态。状态一旦长期存在，就必然需要独立的数据模型和检索接口。
其二，接入方式统一了。MCP 与各类技能规范让给 Agent 装一个能力变成一件标准化的事：一次构建，多端运行。上下文供给作为其中一类能力，自然沿着同一条路径被封装成可安装的模块。
其三，成本结构变了。把整个仓库塞进上下文，既昂贵又会稀释注意力。图谱路线的主张是先用确定性解析把结构抽出来，让 Agent 按需取用，而不是每次都做一遍语义检索。
取舍在哪里
把这条路线说得更完整一些，需要摆出它的边界。
首先是口径问题。官方给出的 token 降幅，是在特定仓库、特定任务、特定模型上测出来的。不同项目的复杂度差异极大，一个依赖关系密集的大型单体仓库和一个结构清晰的小型服务，收益可能相差很远。这些数字更适合当作方向性证据，而不是可以直接外推的承诺。
其次是确定性与召回率的权衡。不依赖向量库意味着结果可复现、每条边都能解释来源，但也意味着它对语义相近而字面无关的检索需求不擅长。图谱擅长回答谁调用了谁，不擅长回答哪段代码实现了类似意图的功能。两类能力更可能是互补，而不是替代。
其三是维护成本。图谱会随代码演进过期。增量更新、提交钩子、与 AI 助手的原生集成，都是为了解决这个问题而存在的机制。如果团队不把这些自动化接上，图谱很快会退化成一份过时的快照，反而增加误导风险。
其四是安全面。当上下文层可以像技能一样被安装，它同时也成为一条注入通道。一个来源不明的图谱或记忆模块，能够影响 Agent 后续看到什么，进而影响它做什么。目前这类项目多数以本地解析、不上传云端为卖点，这降低了数据外流风险，但并不等于消除了供应链风险。技能的来源、更新与审计，仍然需要单独的机制。
对团队的几条实际建议
对正在搭内部 Agent 平台的团队，这波变化给出的信号比较清楚。
把上下文当作资产来经营，而不是每次现取。哪些信息是稳定的结构（代码、表结构、接口约定），哪些是易变的判断（上次的决定、当前的口径），分开存储、分开更新。
优先接入增量机制。图谱类工具的价值与新鲜度成正比，自动重建比手动重建更值得投入。
用可复现性换掉一部分召回。结构类问题优先走确定性解析，语义类问题再走检索，两条路各自标注来源，便于回溯。
给上下文层也做来源管理。记忆与图谱的写入方、更新时间、影响范围，最好都能查到。上下文是 Agent 的输入，输入被污染，输出就没有意义。
最后留一个观察点：这类项目目前的迭代速度很快，接口与数据模型都还在变。评估时应关注它能否与既有仓库结构长期共存，而不只是当下的 token 数字。这些项目的长期维护机制与治理细节，目前官方及行业暂未披露更多信息，后续将持续跟进迭代动态。