$ loading_
为代码代理提供确定性调用图，减少改坏代码与无效 token 消耗
复制安装指令，让 AI 自动完成配置 · 推荐新手
请帮我安装 askskill 上的 "io.github.GhostlyGawd/codeweb" MCP 服务： 执行：claude mcp add 'io-github-ghostlygawd-codeweb' -- npx -y @ghostlygawd/codeweb
请基于当前代码库的确定性调用图，找出修改 paymentService 后可能受影响的上游与下游调用链，并按风险排序。
返回相关调用链、受影响模块及优先排查顺序，帮助更安全地改代码。
在开始修复这个 bug 前，请先利用确定性调用图缩小排查范围，只关注与订单创建流程直接相关的函数和工具调用。
输出更聚焦的排查路径，减少无关扫描和 token 消耗。
请结合确定性调用图审查这次提交，指出它可能影响到的关键调用路径，以及最值得补充测试的环节。
给出受影响路径和测试建议，帮助减少改动引入的问题。
开发者在修改核心模块前，可借助确定性调用图先看清上下游影响范围，减少误改和回归风险。它尤其适合需要让 AI 代理参与代码修改的场景。
当代理需要在代码库中定位问题时，这个工具可帮助它沿着更确定的调用路径工作，避免无关探索。这样可以减少 token 消耗并提高定位效率。
给定信息表明，它为代理提供一个覆盖 27 个 MCP 工具的确定性调用图，用来减少改坏代码的概率和无效 token 消耗。
从描述看，它最适合开发者以及需要让 AI 代理参与代码理解、修改或排障的人。核心价值在于让代理的行为更可控、更聚焦。
当前素材没有提供安装步骤或前置要求。只知道它与 27 个 MCP 工具相关，具体部署与配置请见源码仓库。
为 AI 提供结构化代码上下文与依赖图，帮助高效理解代码库并减少令牌消耗。
实时监控 AI 代理运行状态、资源限制与工程质量，辅助排错和优化成本。
为 AI 代理提供离线代码检索与结构分析，减少上下文令牌消耗。
基于内容寻址代码图谱，帮助 AI 代理检索、理解并操作代码库。
为 AI 代理构建本地代码智能层，用于探索调用图与变更影响
为 AI 代理构建本地代码情报层，分析调用图、影响范围与源码片段