接手陌生代码库，难的往往不是看不懂某个函数，而是不知道该先看哪里。Understand Anything 把文件、函数、类和依赖关系做成可探索的图，再用导览、搜索和问答帮你找入口。它适合当代码阅读的地图，但图上的解释仍要回到源码核对。

读 FreeSWITCH 的 C 源码，层层封装，又臭又长，看完就忘。与其在源码里硬熬，不如用 Jupyter Notebook 造一个可运行、可视化的最小模型，把线程、阻塞、时序这些"看不见"的东西画出来。本文讲这套方法背后的认知原理、Jupyter Lab 的安装与用法、可视化手段清单，并以一个 audio_bridge_thread 的交互式 Notebook 为例。

接手陌生代码库，我用了很多年的仪式是画 mindmap、写 wiki——慢，但画完脑子里是有一张图的。现在最直接的提效办法看着是把仓库丢给 AI 要一份摘要，但"读过一份好摘要"和"脑子里有那张图"是两件事。这篇写我定下来的分工：AI 只负责找路，代码还是我自己读。附五个固定使用的 code reading prompt、四种防止被 AI 带偏的验证手段、怎么用 graphify 存结构和 PKB 存判断把地图沉淀下来（省得每个会话都从零 grep），以及怎么把唯一能自动化的那条验证做成 skill 的硬门槛。最后是读懂之后接 OpenSpec 的档位选择——"写代码这一步反而要降档"是最反直觉的一条。