把整個程式庫變成知識圖譜
Understand Anything 是一套開源的程式庫理解工具，目標不是替你多畫一張漂亮架構圖，而是讓人與 AI coding agent 更快搞懂陌生專案。它以 Tree-sitter 做可重現的靜態分析，抽出檔案、函式、類別、呼叫與相依關係，再由多個 LLM agents 補上自然語言摘要、架構分層、商業領域與導覽內容，最後產生可搜尋、點選、問答的互動知識圖譜。除了看整體結構，也能查詢某段業務流程、分析修改影響範圍，或替新成員生成 onboarding guide。
現實應用
最直接的場景是接手大型 legacy code、加入新團隊、做併購後的技術盤點，或維護文件長期跟不上程式碼的產品。工程師可以先看 dependency 與 guided tour，再決定從哪裡讀；Tech Lead 能用 domain view 檢查技術模組是否對得上實際業務；PM、顧問與稽核人員則能用較低技術密度的介面理解流程。
它也適合搭配 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等工具，先建立共享的 repository map，減少每個 agent 重複掃描與猜測專案結構。產出的 graph 是 JSON，可提交進 Git，團隊成員只要 Node.js 18 以上就能在本機開啟 viewer，不必再次呼叫 LLM。
期望評估
低標來看，我認為至少能得到一份比手動畫架構圖更新、更容易搜尋的程式索引，對陌生專案定位入口、依賴與主要模組已經有幫助。即使語意摘要不完全準確，Tree-sitter 抽出的結構關係仍可當閱讀導航。
高標來看，我猜它可能成為團隊共用的「codebase context layer」：新人、PM 與不同 AI agents 都讀同一份結構化知識，並把 onboarding、PR impact review、架構文件更新串成固定流程。不過它不是形式驗證工具，LLM 產生的用途描述與商業語意仍要由熟悉系統的人確認。
商業策略分析
會先受影響的是程式碼搜尋、架構文件、developer onboarding，以及靠大量 context 重讀 repository 的 AI coding 工具。它採 MIT License，又支援多種 coding agent，商業意義不一定在單獨賣圖譜，而是在誰能把這層資料接進權限、CI、code review、知識管理與企業內部模型。
我認為值得工具團隊與軟體顧問跟進，尤其是維護多個大型專案的公司；但小型、變動快速的專案未必需要額外維護一份 graph。真正的價值要看增量更新是否穩定、摘要品質，以及團隊有沒有把它納入日常流程，而不是 GitHub stars 多不多。
實作細節
Claude Code 可先加入官方 marketplace，再安裝 plugin：
/plugin marketplace add Egonex-AI/Understand-Anything
/plugin install understand-anything
進入專案執行 /understand 建圖，再用 /understand-dashboard 開啟介面；Codex 的指令前綴改為 $。它也提供 macOS、Linux 與 Windows installer，支援 Cursor、Copilot、Gemini CLI、OpenCode 等平台。第一次完整分析大型程式庫可能消耗大量 tokens，官方建議使用訂閱方案或 local model；後續預設只重建有變更的檔案。知識圖譜目前寫入 .ua/knowledge-graph.json，超過 10 MB 時官方建議交由 Git LFS 管理。