Understand-Anything
— 코드를 지식그래프로 바꾸는 Claude Code 플러그인 해부

"Turn any code into an interactive knowledge graph you can explore, search, and ask questions about."

출처: github.com/Egonex-AI/Understand-Anything — README, MIT License

대형 레포, 신규 입사자 — AI도 길을 잃는다

레포를 처음 열면: 파일 수백 개, 디렉터리 수십 개.
"이 함수가 어디서 호출돼?" — grep만으로는 한계.

출처: github.com/Egonex-AI/Understand-Anything — README "Why Understand-Anything?"

두 가지 순진한 접근이 왜 부족한가

출처: github.com/Egonex-AI/Understand-Anything — README; agents/file-analyzer.md (두 단계 구조)

Understand-Anything — Claude Code 네이티브 플러그인

설치 방법 두 가지 (실제 명령어):

# Claude Code 네이티브 (권장)
/plugin marketplace add Egonex-AI/Understand-Anything
/plugin install understand-anything

# 기타 플랫폼 원라인 (Cursor, Codex, Gemini CLI 등)
curl -fsSL https://raw.githubusercontent.com/Egonex-AI/Understand-Anything/main/install.sh | bash

👉 installer가 ~/.understand-anything/repo에 클론하고 심링크를 연결한다.

출처: github.com/Egonex-AI/Understand-Anything — README "Installation"

2단계 하이브리드 파이프라인: tree-sitter + LLM

UA의 핵심 설계 결정 — 무엇을 결정론적으로, 무엇을 LLM으로 처리할지를 명확히 나눈다.

검증: agents/file-analyzer.md — "This script uses tree-sitter for code files and specialized parsers for non-code files, providing deterministic, high-quality structural extraction."

출처: github.com/Egonex-AI/Understand-Anything — agents/file-analyzer.md "Phase 1 — Structural Extraction (Bundled Script)"

에이전트 파이프라인: scanner → file-analyzers → architecture → tour

agents/ 디렉터리에 실제로 존재하는 에이전트 파일들 (직접 확인):

project-scanner 분업 (agents/project-scanner.md 검증)

출처: github.com/Egonex-AI/Understand-Anything — agents/project-scanner.md, agents/file-analyzer.md (직접 검증)

산출물: .understand-anything/knowledge-graph.json

분석이 끝나면 프로젝트 루트에 생성되는 파일:

# .understand-anything/knowledge-graph.json (구조 요약)
{
  "nodes": [
    { "id": "file:src/api/user.ts",      "type": "file", ... },
    { "id": "function:src/api/user.ts:fetchUser", "type": "function", ... },
    { "id": "class:src/models/User.ts:User",      "type": "class", ... }
  ],
  "edges": [
    { "from": "function:...:fetchUser", "to": "file:src/db/conn.ts", "type": "imports" },
    { "from": "function:...:fetchUser", "to": "function:...:queryDB", "type": "calls" }
  ]
}

# .understand-anything/meta.json — 증분 업데이트의 기준점
{ "gitCommitHash": "a3f9..." }

출처: github.com/Egonex-AI/Understand-Anything — README "Output", agents/file-analyzer.md

대형 레포에 적용하면 — 비용/시간의 구조

수천 개 파일을 가진 레포에서도 위 파이프라인이 그대로 돈다. 핵심은 "어디에 토큰을 쓰고 어디엔 안 쓰는가"다.

출처: github.com/Egonex-AI/Understand-Anything — agents/*.md, skills/understand/compute-batches.mjs

증분 업데이트 — "토큰 0 원칙"

post-commit hook이 트리거. 핵심 원칙:

출처: github.com/Egonex-AI/Understand-Anything — hooks/auto-update-prompt.md "Key principle" (직접 인용)

명령어 한눈에 — 한국어(--language ko) 지원 포함

주요 플래그

# 한국어로 출력 (ko 지원 확인됨)
/understand --language ko

# post-commit hook 자동 업데이트 활성화
/understand --auto-update

# 지원 언어: en, zh, zh-TW, ja, ko, ru

출처: github.com/Egonex-AI/Understand-Anything — README "Commands" 및 "--language" 플래그 목록

트레이드오프 — 솔직하게

출처: github.com/Egonex-AI/Understand-Anything — README, agents/*.md 종합 분석

정리 — 오늘의 핵심 세 가지

1. 2단계 분업: tree-sitter(결정론적)가 구조적 사실을 추출하고, LLM(시맨틱)은 의미 해석만 담당한다.
2. 토큰 0 원칙: 포매팅·내부 로직 변경에는 LLM을 쓰지 않는다. 구조가 바뀔 때만 LLM을 호출한다.
3. 멀티에이전트 병렬화: file-analyzer가 최대 5개 동시, 배치당 20~30파일 처리 — 큰 레포도 현실적인 시간에 완료.

좋은 AI 도구는 "LLM을 어디에 쓰지 않을지"를 설계한다.

출처: github.com/Egonex-AI/Understand-Anything — 전체 분석 종합

감사합니다

질문 / 각자의 "레포 파악 고생담" 공유

참고자료

• Egonex-AI/Understand-Anything — 공식 레포 (MIT License)
• agents/project-scanner.md — 결정론적/LLM 분업 명세
• agents/file-analyzer.md — tree-sitter 2-phase 추출 상세
• hooks/auto-update-prompt.md — 증분 업데이트·토큰 0 원칙
• tree-sitter/tree-sitter — 결정론적 파서 생성기