graphify把代码库、文档、论文与多媒体变成可查询知识图谱的 AI 编程助手技能【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphifygraphify 是一款面向 Claude Code、Codex、Cursor、Gemini CLI 等 AI 编程助手的技能skill你在助手里输入一行/graphify它就能读取任意目录下的代码、PDF、Markdown、截图乃至音视频构建一个本地可查询的知识图谱并告诉你那些“不知道自己存在”的代码结构。读完本文你将掌握 graphify 的安装与多平台接入方式、完整的/graphify命令参数、graphify-out/输出产物与.graphifyignore排除规则以及其“三路提取 Leiden 社区检测 无向量库聚类”的底层实现原理。这是什么一个多模态的代码库知识图谱技能按官方 README西班牙语版见 docs/translations/README.es-ES.md英文原版见 README.md的描述graphify 的定位是“AI 编程助手的技能”在 Claude Code、Codex、OpenCode、Cursor、Gemini CLI、GitHub Copilot CLI、VS Code Copilot Chat、Aider、OpenClaw、Factory Droid、Trae、Hermes、Kiro、Google Antigravity 等助手中输入/graphify助手会读取你的文件、构建知识图谱并返回组织结构洞察。它的几个核心特性完全多模态可以投喂代码、PDF、Markdown、截图、架构图、白板照片、其他语言的图片甚至音视频文件。graphify 会从其中抽取概念与关系并连接进同一个图。本地转写音视频视频文件在本地用 faster-whisper 转写成文本转写 prompt 会根据你语料库中的核心概念god nodes做领域适配。25 种语言确定性 AST 解析通过 tree-sitter 支持 Python、JS、TS、Go、Rust、Java、C、C、Ruby、C#、Kotlin、Scala、PHP、Swift、Lua、Zig、PowerShell、Elixir、Objective-C、Julia、Verilog、SystemVerilog、Vue、Svelte、Dart。从 pyproject.toml 的依赖声明可以看到这些语言各自对应一个tree-sitter-*语法包版本约束在0.23附近如tree-sitter-python0.23,0.26这是“本地确定性 AST 解析、不经过 LLM”的实现基础。项目灵感来自 Karpathy 的/raw工作流把论文、推文、截图和笔记扔进一个文件夹。graphify 对此的回答是——每次查询比直接读原始文件节省约 71.5 倍 token图谱在会话之间持久存在并且明确区分“找到的”和“推断的”。/graphify . # 对任意目录生效——代码、笔记、论文、一切安装graphifyy 包与多平台一键安装前提条件Python 3.10以及上表中的任意一个 AI 编程助手。三种安装方式任选其一# 推荐 —— 在 Mac 和 Linux 上无需配置 PATH uv tool install graphifyy graphify install # 或 pipx pipx install graphifyy graphify install # 或纯 pip pip install graphifyy graphify install包名注意PyPI 上的官方包名是graphifyy注意双 y安装命令是pip install graphifyy。PyPI 上其他叫graphify*的包均与本项目无关。这一点在 pyproject.toml 中可以得到印证[project]段的name字段就是graphifyy当前版本0.9.52requires-python 3.10入口点graphify绑定到graphify.__main__:main见[project.scripts]。各平台安装命令对照平台安装命令Claude Code (Linux/Mac)graphify installClaude Code (Windows)graphify install自动检测或graphify install --platform windowsCodexgraphify install --platform codexOpenCodegraphify install --platform opencodeGitHub Copilot CLIgraphify install --platform copilotVS Code Copilot Chatgraphify vscode installAidergraphify install --platform aiderOpenClawgraphify install --platform clawFactory Droidgraphify install --platform droidTraegraphify install --platform traeTrae CNgraphify install --platform trae-cnGemini CLIgraphify install --platform geminiHermesgraphify install --platform hermesKiro IDE/CLIgraphify kiro installCursorgraphify cursor installGoogle Antigravitygraphify antigravity install安装完成后打开你的 AI 编程助手输入/graphify .注意Codex 用$而不是/来调用技能所以要输入$graphify .。技能本体在仓库中以 Markdown 文件的形式随包分发——pyproject.toml 的[tool.setuptools.package-data]段声明了skill.md、skill-codex.md、skill-opencode.md等十余个技能文件以及skills/*/references/*.md渐进式披露参考文档。每个宿主平台一套--platform参数决定把哪一套装到哪里。让助手始终查询图谱推荐构建一次图谱后在项目里执行一次对应命令让助手的后续对话都优先查图谱而不是重读文件平台命令Claude Codegraphify claude installCodexgraphify codex installOpenCodegraphify opencode installCursorgraphify cursor installGemini CLIgraphify gemini installKiro IDE/CLIgraphify kiro installGoogle Antigravitygraphify antigravity install使用方式完整的 /graphify 命令参考/graphify # 当前目录 /graphify ./raw # 指定文件夹 /graphify ./raw --mode deep # 更激进地提取 INFERRED 边 /graphify ./raw --update # 只重新提取被修改过的文件 /graphify ./raw --directed # 有向图 /graphify ./raw --cluster-only # 对已有图谱重跑聚类 /graphify ./raw --no-viz # 不生成 HTML只出报告 JSON /graphify ./raw --obsidian # 生成 Obsidian 知识库opt-in /graphify add https://arxiv.org/abs/1706.03762 # 拉取一篇论文 /graphify add video-url # 下载音频、转写、加入图谱 /graphify query Attention 和优化器之间有什么关联 /graphify path DigestAuth Response /graphify explain SwinTransformer graphify hook install # 安装 Git hooks graphify update ./src # 重新提取代码文件不走 LLM graphify watch ./src # 图谱自动更新几个值得展开的参数--update增量更新。底层是 SHA256 内容指纹缓存重跑时完全跳过未变化文件缓存位于graphify-out/cache/。这与 docs/how-it-works.md 中描述的“每个提取过的文件都有内容哈希指纹重跑只处理新增或修改的文件”一致。--cluster-only不动提取结果只重跑社区检测。graphify update ./src纯 AST 路径的增量重提取不调用 LLM因此零 token 成本。graphify hook install安装 post-commit 与 post-checkout 两个 Git hook。从源码 graphify/hooks.py 的install()可以看到它同时写入 post-commit 和 post-checkout 两个钩子脚本提交后自动重提取变更文件切换分支后走全量重建路径。graphify watch ./src基于文件监听的自动同步需要watch可选依赖pyproject.toml 中的watch [watchdog]。输出产物与 .graphifyignore一次运行会在目录中生成graphify-out/ ├── graph.html 交互式图谱 —— 任意浏览器打开可点节点、可搜索 ├── GRAPH_REPORT.md god nodes、意外连接、建议提问 ├── graph.json 持久化图谱 —— 几周后直接查询无需重读文件 └── cache/ SHA256 缓存 —— 重跑只处理被修改的文件仓库里保留了多个可复现的完整示例每个worked/目录都含原始输入和真实输出GRAPH_REPORT.md、graph.json例如 worked/httpx/ 与 worked/mixed-corpus/你可以照着验证。graph.json采用 NetworkX 的 node-link 格式。按 docs/how-it-works.md 的说明每个节点带id、label、file_typecode/document/paper/image/rationale、source_file每条边带source、target、relation动词短语如calls、imports、implements、semantically_similar_to、confidenceEXTRACTED/INFERRED/AMBIGUOUS、confidence_score仅 INFERRED 边为浮点、source_file。三元及以上的组关系hyperedges存放在图的hyperedges属性中。用 .graphifyignore 排除目录在仓库根放一个.graphifyignore即可排除不想进入图谱的目录# .graphifyignore vendor/ node_modules/ dist/ *.generated.py语法与.gitignore完全相同一个文件即可覆盖整个仓库。从源码 graphify/detect.py 可以确认实现细节graphify 会沿目录祖先链加载各级.graphifyignore以及默认合并的.gitignore且.graphifyignore优先级更高、只能进一步排除而不能重新包含被.gitignore排除的路径——这保证了忽略规则单调、可预测。工作原理三路提取 无向量库的 Leiden 聚类graphify 的处理分三路three passes第一路 —— 代码结构本地、零 API 调用tree-sitter 确定性解析代码文件抽取类、函数、import、调用图和内联注释包括# NOTE:、# IMPORTANT:、# HACK:、# WHY:这类理由注释。全程本地执行无 LLM。纯代码语料会跳过第三路——语义提取只服务于文档、论文、图片和转写文本。SQL 文件获得特殊处理表、视图、外键与 JOIN 关系被确定性抽取。第二路 —— 音视频本地、零 API 调用用 faster-whisper 转写转写 prompt 会预置你图谱中当前的 top god nodes 以聚焦领域转写结果有缓存重跑跳过已处理文件。该能力是可选依赖对应 pyproject.toml 中的video [faster-whisper, yt-dlp]extrafaster-whisper 要求 Python 3.11。第三路 —— 文档、论文、图片并行子代理消耗 token助手的模型并行地处理 Markdown、PDF、图片与转写文本每个子代理读一批文件并输出 JSON 片段节点、边、组关系最后合并进同一张图。合并前可选转换器会把 Office 文件.docx/.xlsx等格式转为 Markdown sidecar 放在graphify-out/converted/。聚类基于图拓扑不需要 embeddings这是 graphify 与典型 RAG/GraphRAG 方案的关键差异社区检测直接基于图的边密度用 Leiden 算法完成没有 embedding 步骤也没有向量数据库。Claude 抽取的语义相似边semantically_similar_to标记为 INFERRED本身就在图里因此直接影响社区形状——图结构本身就是相似性信号。源码 graphify/cluster.py 印证了这一点其模块 docstring 写得很直白“Uses Leiden (graspologic) if available, falls back to Louvain (networkx). Splits oversized communities. Returns cohesion scores.”实现上先尝试直接调用graspologic_native.leiden()绕过 graspologic 的进度条输出失败则走graspologic.partition.leiden()再退回 networkx 的 Louvain超大社区会被切分并返回内聚度分数。pyproject.toml 中leiden [graspologic; python_version 3.13]说明该能力是可选依赖未安装时自动降级。置信度标注每条边都说得出“为什么”每条关系边被标注为三类之一标签含义EXTRACTED在源码中直接找到如函数调用、import置信度恒为 1.0INFERRED模型做出的合理推断附confidence_score0.0–1.0AMBIGUOUS不确定——在报告中单独标出供人工复核INFERRED 边使用离散评分刻度rubric见 docs/how-it-works.md 及抽取规范 graphify/skills/claude/references/extraction-spec.md0.95—— 近乎确定显式的跨文件引用只有一个合理目标或共享数据结构0.85—— 强证据命名 上下文吻合0.75—— 合理基于上下文但非显式0.65—— 弱证据仅命名相似0.55—— 推测测试 tests/test_inferred_confidence_rubric.py 与 tests/test_confidence.py 对该刻度做了回归保护。每次运行你会得到什么God nodes枢纽节点——度最高的概念即“所有路径都经过”的核心。意外连接Surprising connections——按复合分数排序代码—论文跨域边得分更高每个结果附带自然语言解释“为什么”。建议提问——4~5 个这张图 uniquely 有能力回答的问题。“为什么”——docstring、内联理由注释与设计理由被抽成rationale_for节点架构决策的动机因此可查。置信度分数——每条 INFERRED 边带confidence_score0.0~1.0。Token 基准——每次运行后自动打印。docs/how-it-works.md 给出了实测对照语料文件数节省倍数Karpathy 仓库 论文 图片5271.5xgraphify 源码 Transformer 论文45.4xhttpx合成 Python 库6~1x规律是token 节省随语料规模增长。六个文件的语料本来就装得进上下文窗口此时图谱的价值是结构清晰度而非压缩到 52 文件节省开始复利式放大。自动同步--watch——代码变化时自动更新图谱。Git hooksgraphify hook install——安装 post-commit 和 post-checkout 钩子提交/切分支后图谱保持新鲜。隐私与技术栈隐私边界graphify 会把文档、论文、图片的内容发送到你所用助手的模型 API 以做语义抽取但代码文件全程本地tree-sitter AST音视频全程本地faster-whisper转写。没有遥测没有使用跟踪。技术栈NetworkX Leidengraspologic tree-sitter vis.js。语义抽取走你所在平台的模型Claude、GPT-4 等视频转写用 faster-whisper yt-dlp可选。从 pyproject.toml 的硬依赖可确认核心栈networkx3.4、tree-sitter0.23.0,0.26及全套语言语法包graphify-mcp入口graphify.serve:_main则把图谱暴露为 MCP 服务供其他 Agent 直接查询。小结graphify 的价值主张可以浓缩为一句话用一次性的构建成本换取之后每次查询读紧凑图谱而非原始文件的持久收益并且每条边都带出处与置信度图结构本身就是聚类信号——不需要向量库。安装graphifyy包、在你的助手里敲下/graphify .然后从GRAPH_REPORT.md的 god nodes 与意外连接开始读你的代码库是这个工作流的最低成本入口。【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
graphify：把代码库、文档、论文与多媒体变成可查询知识图谱的 AI 编程助手技能
graphify把代码库、文档、论文与多媒体变成可查询知识图谱的 AI 编程助手技能【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphifygraphify 是一款面向 Claude Code、Codex、Cursor、Gemini CLI 等 AI 编程助手的技能skill你在助手里输入一行/graphify它就能读取任意目录下的代码、PDF、Markdown、截图乃至音视频构建一个本地可查询的知识图谱并告诉你那些“不知道自己存在”的代码结构。读完本文你将掌握 graphify 的安装与多平台接入方式、完整的/graphify命令参数、graphify-out/输出产物与.graphifyignore排除规则以及其“三路提取 Leiden 社区检测 无向量库聚类”的底层实现原理。这是什么一个多模态的代码库知识图谱技能按官方 README西班牙语版见 docs/translations/README.es-ES.md英文原版见 README.md的描述graphify 的定位是“AI 编程助手的技能”在 Claude Code、Codex、OpenCode、Cursor、Gemini CLI、GitHub Copilot CLI、VS Code Copilot Chat、Aider、OpenClaw、Factory Droid、Trae、Hermes、Kiro、Google Antigravity 等助手中输入/graphify助手会读取你的文件、构建知识图谱并返回组织结构洞察。它的几个核心特性完全多模态可以投喂代码、PDF、Markdown、截图、架构图、白板照片、其他语言的图片甚至音视频文件。graphify 会从其中抽取概念与关系并连接进同一个图。本地转写音视频视频文件在本地用 faster-whisper 转写成文本转写 prompt 会根据你语料库中的核心概念god nodes做领域适配。25 种语言确定性 AST 解析通过 tree-sitter 支持 Python、JS、TS、Go、Rust、Java、C、C、Ruby、C#、Kotlin、Scala、PHP、Swift、Lua、Zig、PowerShell、Elixir、Objective-C、Julia、Verilog、SystemVerilog、Vue、Svelte、Dart。从 pyproject.toml 的依赖声明可以看到这些语言各自对应一个tree-sitter-*语法包版本约束在0.23附近如tree-sitter-python0.23,0.26这是“本地确定性 AST 解析、不经过 LLM”的实现基础。项目灵感来自 Karpathy 的/raw工作流把论文、推文、截图和笔记扔进一个文件夹。graphify 对此的回答是——每次查询比直接读原始文件节省约 71.5 倍 token图谱在会话之间持久存在并且明确区分“找到的”和“推断的”。/graphify . # 对任意目录生效——代码、笔记、论文、一切安装graphifyy 包与多平台一键安装前提条件Python 3.10以及上表中的任意一个 AI 编程助手。三种安装方式任选其一# 推荐 —— 在 Mac 和 Linux 上无需配置 PATH uv tool install graphifyy graphify install # 或 pipx pipx install graphifyy graphify install # 或纯 pip pip install graphifyy graphify install包名注意PyPI 上的官方包名是graphifyy注意双 y安装命令是pip install graphifyy。PyPI 上其他叫graphify*的包均与本项目无关。这一点在 pyproject.toml 中可以得到印证[project]段的name字段就是graphifyy当前版本0.9.52requires-python 3.10入口点graphify绑定到graphify.__main__:main见[project.scripts]。各平台安装命令对照平台安装命令Claude Code (Linux/Mac)graphify installClaude Code (Windows)graphify install自动检测或graphify install --platform windowsCodexgraphify install --platform codexOpenCodegraphify install --platform opencodeGitHub Copilot CLIgraphify install --platform copilotVS Code Copilot Chatgraphify vscode installAidergraphify install --platform aiderOpenClawgraphify install --platform clawFactory Droidgraphify install --platform droidTraegraphify install --platform traeTrae CNgraphify install --platform trae-cnGemini CLIgraphify install --platform geminiHermesgraphify install --platform hermesKiro IDE/CLIgraphify kiro installCursorgraphify cursor installGoogle Antigravitygraphify antigravity install安装完成后打开你的 AI 编程助手输入/graphify .注意Codex 用$而不是/来调用技能所以要输入$graphify .。技能本体在仓库中以 Markdown 文件的形式随包分发——pyproject.toml 的[tool.setuptools.package-data]段声明了skill.md、skill-codex.md、skill-opencode.md等十余个技能文件以及skills/*/references/*.md渐进式披露参考文档。每个宿主平台一套--platform参数决定把哪一套装到哪里。让助手始终查询图谱推荐构建一次图谱后在项目里执行一次对应命令让助手的后续对话都优先查图谱而不是重读文件平台命令Claude Codegraphify claude installCodexgraphify codex installOpenCodegraphify opencode installCursorgraphify cursor installGemini CLIgraphify gemini installKiro IDE/CLIgraphify kiro installGoogle Antigravitygraphify antigravity install使用方式完整的 /graphify 命令参考/graphify # 当前目录 /graphify ./raw # 指定文件夹 /graphify ./raw --mode deep # 更激进地提取 INFERRED 边 /graphify ./raw --update # 只重新提取被修改过的文件 /graphify ./raw --directed # 有向图 /graphify ./raw --cluster-only # 对已有图谱重跑聚类 /graphify ./raw --no-viz # 不生成 HTML只出报告 JSON /graphify ./raw --obsidian # 生成 Obsidian 知识库opt-in /graphify add https://arxiv.org/abs/1706.03762 # 拉取一篇论文 /graphify add video-url # 下载音频、转写、加入图谱 /graphify query Attention 和优化器之间有什么关联 /graphify path DigestAuth Response /graphify explain SwinTransformer graphify hook install # 安装 Git hooks graphify update ./src # 重新提取代码文件不走 LLM graphify watch ./src # 图谱自动更新几个值得展开的参数--update增量更新。底层是 SHA256 内容指纹缓存重跑时完全跳过未变化文件缓存位于graphify-out/cache/。这与 docs/how-it-works.md 中描述的“每个提取过的文件都有内容哈希指纹重跑只处理新增或修改的文件”一致。--cluster-only不动提取结果只重跑社区检测。graphify update ./src纯 AST 路径的增量重提取不调用 LLM因此零 token 成本。graphify hook install安装 post-commit 与 post-checkout 两个 Git hook。从源码 graphify/hooks.py 的install()可以看到它同时写入 post-commit 和 post-checkout 两个钩子脚本提交后自动重提取变更文件切换分支后走全量重建路径。graphify watch ./src基于文件监听的自动同步需要watch可选依赖pyproject.toml 中的watch [watchdog]。输出产物与 .graphifyignore一次运行会在目录中生成graphify-out/ ├── graph.html 交互式图谱 —— 任意浏览器打开可点节点、可搜索 ├── GRAPH_REPORT.md god nodes、意外连接、建议提问 ├── graph.json 持久化图谱 —— 几周后直接查询无需重读文件 └── cache/ SHA256 缓存 —— 重跑只处理被修改的文件仓库里保留了多个可复现的完整示例每个worked/目录都含原始输入和真实输出GRAPH_REPORT.md、graph.json例如 worked/httpx/ 与 worked/mixed-corpus/你可以照着验证。graph.json采用 NetworkX 的 node-link 格式。按 docs/how-it-works.md 的说明每个节点带id、label、file_typecode/document/paper/image/rationale、source_file每条边带source、target、relation动词短语如calls、imports、implements、semantically_similar_to、confidenceEXTRACTED/INFERRED/AMBIGUOUS、confidence_score仅 INFERRED 边为浮点、source_file。三元及以上的组关系hyperedges存放在图的hyperedges属性中。用 .graphifyignore 排除目录在仓库根放一个.graphifyignore即可排除不想进入图谱的目录# .graphifyignore vendor/ node_modules/ dist/ *.generated.py语法与.gitignore完全相同一个文件即可覆盖整个仓库。从源码 graphify/detect.py 可以确认实现细节graphify 会沿目录祖先链加载各级.graphifyignore以及默认合并的.gitignore且.graphifyignore优先级更高、只能进一步排除而不能重新包含被.gitignore排除的路径——这保证了忽略规则单调、可预测。工作原理三路提取 无向量库的 Leiden 聚类graphify 的处理分三路three passes第一路 —— 代码结构本地、零 API 调用tree-sitter 确定性解析代码文件抽取类、函数、import、调用图和内联注释包括# NOTE:、# IMPORTANT:、# HACK:、# WHY:这类理由注释。全程本地执行无 LLM。纯代码语料会跳过第三路——语义提取只服务于文档、论文、图片和转写文本。SQL 文件获得特殊处理表、视图、外键与 JOIN 关系被确定性抽取。第二路 —— 音视频本地、零 API 调用用 faster-whisper 转写转写 prompt 会预置你图谱中当前的 top god nodes 以聚焦领域转写结果有缓存重跑跳过已处理文件。该能力是可选依赖对应 pyproject.toml 中的video [faster-whisper, yt-dlp]extrafaster-whisper 要求 Python 3.11。第三路 —— 文档、论文、图片并行子代理消耗 token助手的模型并行地处理 Markdown、PDF、图片与转写文本每个子代理读一批文件并输出 JSON 片段节点、边、组关系最后合并进同一张图。合并前可选转换器会把 Office 文件.docx/.xlsx等格式转为 Markdown sidecar 放在graphify-out/converted/。聚类基于图拓扑不需要 embeddings这是 graphify 与典型 RAG/GraphRAG 方案的关键差异社区检测直接基于图的边密度用 Leiden 算法完成没有 embedding 步骤也没有向量数据库。Claude 抽取的语义相似边semantically_similar_to标记为 INFERRED本身就在图里因此直接影响社区形状——图结构本身就是相似性信号。源码 graphify/cluster.py 印证了这一点其模块 docstring 写得很直白“Uses Leiden (graspologic) if available, falls back to Louvain (networkx). Splits oversized communities. Returns cohesion scores.”实现上先尝试直接调用graspologic_native.leiden()绕过 graspologic 的进度条输出失败则走graspologic.partition.leiden()再退回 networkx 的 Louvain超大社区会被切分并返回内聚度分数。pyproject.toml 中leiden [graspologic; python_version 3.13]说明该能力是可选依赖未安装时自动降级。置信度标注每条边都说得出“为什么”每条关系边被标注为三类之一标签含义EXTRACTED在源码中直接找到如函数调用、import置信度恒为 1.0INFERRED模型做出的合理推断附confidence_score0.0–1.0AMBIGUOUS不确定——在报告中单独标出供人工复核INFERRED 边使用离散评分刻度rubric见 docs/how-it-works.md 及抽取规范 graphify/skills/claude/references/extraction-spec.md0.95—— 近乎确定显式的跨文件引用只有一个合理目标或共享数据结构0.85—— 强证据命名 上下文吻合0.75—— 合理基于上下文但非显式0.65—— 弱证据仅命名相似0.55—— 推测测试 tests/test_inferred_confidence_rubric.py 与 tests/test_confidence.py 对该刻度做了回归保护。每次运行你会得到什么God nodes枢纽节点——度最高的概念即“所有路径都经过”的核心。意外连接Surprising connections——按复合分数排序代码—论文跨域边得分更高每个结果附带自然语言解释“为什么”。建议提问——4~5 个这张图 uniquely 有能力回答的问题。“为什么”——docstring、内联理由注释与设计理由被抽成rationale_for节点架构决策的动机因此可查。置信度分数——每条 INFERRED 边带confidence_score0.0~1.0。Token 基准——每次运行后自动打印。docs/how-it-works.md 给出了实测对照语料文件数节省倍数Karpathy 仓库 论文 图片5271.5xgraphify 源码 Transformer 论文45.4xhttpx合成 Python 库6~1x规律是token 节省随语料规模增长。六个文件的语料本来就装得进上下文窗口此时图谱的价值是结构清晰度而非压缩到 52 文件节省开始复利式放大。自动同步--watch——代码变化时自动更新图谱。Git hooksgraphify hook install——安装 post-commit 和 post-checkout 钩子提交/切分支后图谱保持新鲜。隐私与技术栈隐私边界graphify 会把文档、论文、图片的内容发送到你所用助手的模型 API 以做语义抽取但代码文件全程本地tree-sitter AST音视频全程本地faster-whisper转写。没有遥测没有使用跟踪。技术栈NetworkX Leidengraspologic tree-sitter vis.js。语义抽取走你所在平台的模型Claude、GPT-4 等视频转写用 faster-whisper yt-dlp可选。从 pyproject.toml 的硬依赖可确认核心栈networkx3.4、tree-sitter0.23.0,0.26及全套语言语法包graphify-mcp入口graphify.serve:_main则把图谱暴露为 MCP 服务供其他 Agent 直接查询。小结graphify 的价值主张可以浓缩为一句话用一次性的构建成本换取之后每次查询读紧凑图谱而非原始文件的持久收益并且每条边都带出处与置信度图结构本身就是聚类信号——不需要向量库。安装graphifyy包、在你的助手里敲下/graphify .然后从GRAPH_REPORT.md的 god nodes 与意外连接开始读你的代码库是这个工作流的最低成本入口。【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
