🧠 Understand-Anything
整個 codebase / wiki 變互動式知識圖譜。6 個專業 agent 平行解析，自動產 dashboard + 學習路徑 + onboarding 文件。社群開源 plugin，支援 17+ 個 AI 平台（以 2026-07 為準）。
使用前請以頁面所列官方來源為準。
📅 發布：2026-05-25 ｜ 🔄 最後更新：2026-05-25
一句話定位：整個 codebase / wiki 變互動式知識圖譜
⚠️ 不是 Anthropic 官方 — 是 Lum1104 做的社群開源 plugin（MIT 授權，現由 Egonex-AI 組織維護）
為什麼用
NotebookLM 適合「一份內容深度吸收」（一本書、一套課、一場會議）。
但有些場景 NotebookLM 不太適合：
- 整個 codebase — 上百個檔案、上千個函式，丟 NotebookLM 太散
- 整個 wiki / 知識庫 — 文章之間有複雜關聯，要視覺化才看得懂
- 要給新人 onboarding — 需要可互動的入門地圖，不只是「給他看 briefing doc」
Understand-Anything 解的是「整套關聯」：
- 自動掃整個 repo / 資料夾
- 6 個專業 agent 平行解析（檔案、結構、教學路徑、商業流程；知識庫模式另加 1 個）
- 產出互動式 dashboard — 每個節點可點、可搜尋、可問答
- 自動生成 onboarding 文件 / 學習路徑
Cassie 怎麼用
她的真實做法：
-
對自家 flow.ceo repo 跑
/understand --language zh-TW- 自動掃 100+ 個檔案
- 產出中文化知識圖譜
- 每個元件、API、頁面都是一個節點
-
用
/understand-dashboard開互動式 dashboard- 視覺化看整個專案怎麼串起來
- 點任何節點看它跟誰連、依賴誰
-
新成員加入時用
/understand-onboard自動生成 onboarding 文件- 不用手寫 30 頁 README
- 圖 + 文 + 推薦學習路徑
-
問問題用
/understand-chat- 「這個專案的 auth 流程怎麼走？」
- 「我想加新功能 X 應該動哪幾個檔？」
對位 Cassie 系統
| 工具 | 跟 Understand-Anything 的關係 |
|---|---|
graphify skill（任何 input → knowledge graph） | 範圍更廣（不只 code），UA 深度更深。互補不衝突 |
case-study-analyzer skill（GitHub repo 技術評估） | case-study 是「一次性深評估」，UA 是「持續活的圖」。互補不衝突 |
| NotebookLM（單份深度） | NotebookLM 單份內容深吸收，UA 整套關聯視覺化。搭配用 |
選擇邏輯：
| 場景 | 推薦工具 |
|---|---|
| 一本書 / 一套課 | NotebookLM |
| 整個專案 codebase | Understand-Anything |
| 整個 wiki / 知識庫 | Understand-Anything（/understand-knowledge） |
| 給新人 onboarding | Understand-Anything（/understand-onboard） |
| 任何輸入產一張 graph 看全貌 | graphify |
| 一次性技術評估 GitHub repo | case-study-analyzer |
安裝
Claude Code（原生）
以下斜線指令請在 Claude Code 對話中輸入，不是在電腦終端機執行。
/plugin marketplace add Egonex-AI/Understand-Anything
/plugin install understand-anything裝完後在任何 repo 跑：
/understand --language zh-TW等 6 個 agent 跑完（平均 3-5 分鐘），再開：
/understand-dashboard就會跳出互動式 web dashboard
其他 AI 平台（17+ 個，以 2026-07 為準）
也支援：Codex / Cursor / Copilot / Gemini CLI / Antigravity / OpenCode / Pi / OpenClaw / Vibe / Hermes / Cline / KIMI
詳細安裝看 GitHub repo
8 個 slash 指令完整體系
下列是 Claude Code 對話指令；尖括號表示要換成自己的檔案或路徑。
/understand # 跑完整 pipeline 建圖
/understand-dashboard # 開互動式 web dashboard
/understand-chat "問題" # 問 codebase 問題
/understand-diff # 看當前改動影響哪些模組
/understand-explain <檔案/函式> # 深挖某個檔案
/understand-onboard # 自動生成新人 onboarding guide
/understand-domain # 萃取商業流程 / 步驟
/understand-knowledge <wiki 路徑> # 解析 wiki 知識庫多 agent pipeline 怎麼跑
/understand 背後串 6 個專業 agent 平行跑：
| Agent | 角色 |
|---|---|
project-scanner | 掃描檔案、偵測程式語言與框架 |
file-analyzer | 解析 functions / classes / imports，產出圖節點與邊 |
architecture-analyzer | 識別架構層級（API / Service / Data / UI / Utility） |
tour-builder | 自動產生帶領式學習教學路徑 |
graph-reviewer | 驗證圖完整性 |
domain-analyzer | 萃取商業領域 / 流程 / 步驟 |
article-analyzer | 從 wiki 文章萃取實體 / 關係 |
平行度：file-analyzer 最多 5 個並發，20-30 檔 / 批次
這就是「8 主管 24 員工」哲學的真實開源範例 — 看完 /understand 跑完 dashboard 就秒懂為什麼分工 agent 比單一 prompt 好
學員實戰範例
場景：自家 N8N workflow / Airtable base / Notion wiki 想看全貌
- 把整個資料夾 / 匯出 wiki 放本地一個 folder
- 跑
/understand-knowledge ./my-wiki --language zh-TW - 開
/understand-dashboard看全貌 - 找到「孤兒節點」（沒被任何人引用的文件）→ 清理
- 找到「核心節點」（被最多人引用的文件）→ 重點維護
圖可以 commit 進 git
.understand-anything/knowledge-graph.json 是單一事實來源 — 提交進 repo，團隊其他人不用重跑 pipeline，直接 /understand-dashboard 開圖
對位 Cassie：FlowBiz 老闆班學員的「家庭內部知識圖」可走這套路徑 — 老闆建好一次，員工繼承用
⚠️ 注意
- 不是 Anthropic 官方 — 社群維護（Egonex-AI 組織），更新節奏看維護者
- 第一次跑 pipeline 較慢 — 100+ 檔案大概 3-5 分鐘，之後是增量
- 適合中型 repo（10-500 檔）— 太小（< 10 檔）不划算，太大（> 1000 檔）跑很久
- API 用量會增加 — 6 個 agent 平行跑會多吃 token，重要 repo 才跑
相關工具
- 📚 NotebookLM — 一份內容深度吸收（搭配 UA 整套關聯）
- 🏢 Anthropic Knowledge Work Plugins — 11 個職能官方 plugin 範例