AX 爱鲜报

Graphify 代码知识图谱

把代码库、文档、SQL Schema、配置与 PDF 转成可查询的知识图谱。以 /graphify 技能形式接入 Claude Code、Cursor、Codex、Gemini CLI,本地用 tree-sitter 做确定性 AST 解析,每条边都标注来源,不依赖向量库。

爱鲜报评分

0.0

0 人评分

125k

星数

是

中文

Python

主语言

是

活跃

317

贡献者

人工分析

EDITORIAL

推荐理由

它用本地 AST 解析替代向量检索,把代码库变成可遍历的真实图谱,查询时不必反复 grep 文件。每条边区分 EXTRACTED 与 INFERRED,让「读到的」和「推断的」一目了然,可信度更高。对需要快速理解大型陌生仓库、追踪调用链与依赖关系的开发者非常实用,且已支持中文文档。

适用场景

  • 接手陌生大型代码库时快速建立全局认知
  • 追踪模块、类与函数之间的调用与依赖路径
  • 为 AI 编程助手提供项目级上下文检索
  • 把文档、SQL Schema 与 PDF 一并纳入知识检索
  • 代码审查或重构前梳理影响范围

优点

  • 代码解析完全本地、确定性,无需上传源码
  • 每条边带 EXTRACTED/INFERRED 置信标签,可追溯
  • 不依赖向量库与 embedding,图谱可遍历可解释
  • 支持 Claude Code、Cursor、Codex、Gemini CLI 等多种助手
  • 产出 graph.html、GRAPH_REPORT.md、graph.json 三种结果,便于浏览与集成

缺点

  • 文档、PDF、图片与视频的语义解析仍需调用模型或 API Key
  • 知识图谱质量依赖代码结构与解析覆盖度,超大仓库可能耗时
  • 需要先安装 CLI 并注册技能,对纯新手有一定配置成本
上手难度 进阶

Graphify 是什么

Graphify 是一个把「整个项目」变成可查询知识图谱的工具。在 AI 编程助手里输入 /graphify,它会把代码、文档、PDF、图片、视频等素材映射成一张图,之后你查询图谱,而不是一遍遍 grep 文件。

它支持 Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot 等 15 种以上平台。

核心特性

本地确定性代码解析

代码部分使用 tree-sitter 做 AST 解析,完全本地、确定性、不经过 LLM,源码不会离开你的机器。文档、PDF、图片和视频则使用助手自带模型或配置的 API Key 做语义处理。

每条边都有解释

图谱中的每条连接都会标注:

  • EXTRACTED:源码中显式存在的连接
  • INFERRED:由 Graphify 解析推断出的连接

这样你能清楚区分「直接读到的」和「推断出来的」信息。

不是向量索引

Graphify 不做 embedding,也不使用向量库,而是一张可遍历的真实图谱。你可以提问、追踪两个概念之间的路径,或解释某个概念。

快速开始

安装 CLI 并注册技能:

uv tool install graphifyy      # 或 pipx install graphifyy
graphify install               # 向 AI 助手注册技能

然后在 AI 助手中执行:

/graphify .

产出文件

运行后会生成三个文件:

graphify-out/
├── graph.html       浏览器打开,可点击节点、筛选、搜索
├── GRAPH_REPORT.md  要点汇总:关键概念、意外连接、建议问题
└── graph.json       完整图谱,可随时查询而无需重读文件

图谱中带有 graph.schema_version 与 graph.graphify_version,方便集成方识别格式变化与生成版本。

查询示例

图谱构建完成后,你可以直接查询而不是阅读文件。例如在 FastAPI 代码库上:

$ graphify explain "APIRouter"
Node: APIRouter
  Source:    routing.py L2210
  Community: 2
  Degree:    47

$ graphify path "FastAPI" "ModelField"
Shortest path (3 hops):
  FastAPI --uses--> DefaultPlaceholder <--references-- get_request_handler() --references--> ModelField

每个节点是一个概念,颜色代表自动检测出的社区,整个图谱可在 graph.html 中交互浏览。

适用与注意

它适合接手陌生大型仓库、追踪调用链、为 AI 助手补充项目级上下文。需要注意的是,非代码素材的语义解析仍依赖模型能力,超大仓库的解析也可能比较耗时。

评论

登录后才可评论与评分

0 条评论

  • 暂无评论,来写第一条吧。