Graphify：把代码库变成可查询知识图谱的 AI 编程助手技能

Graphify 是一个面向 AI 编程助手的开源技能：在 Claude Code、Cursor、Codex、Gemini CLI 等工具中输入 /graphify，它可以把项目里的代码、文档、SQL schema、配置文件和 PDF 映射成一张可查询的知识图谱。它的核心卖点不是“再做一个向量检索”，而是用 tree-sitter 做本地、确定性的 AST 解析，把代码结构变成真正的图，让开发者通过查询、路径追踪和概念解释来理解项目，而不是逐个文件 grep。

它解决什么问题

大型代码库的常见困境是：文件多、关系散，靠关键词搜索很难快速回答“这个功能经过哪些模块”“两个概念之间怎么连起来”。Graphify 的做法是先构建图谱，再让 AI 助手基于图进行查询。README 将其定位为“query instead of grepping”，即用图查询替代大范围文本搜索。

主要功能

• 本地代码解析：代码通过 tree-sitter AST 解析，不调用 LLM，数据不离开本机，适合对隐私和确定性有要求的场景。
• 每条边都有解释：图中的连接会被标记为 EXTRACTED（源文件中明确存在）或 INFERRED（由 Graphify 推导），方便区分“直接读到的”和“推断出来的”。
• 不是向量索引：项目明确表示不使用 embeddings 或向量库，而是一张可遍历的真实图。
• 查询、路径与解释：graphify query 可针对自然语言问题返回子图；graphify path A B 可追踪两个对象之间的连接路径，并给出整条路径的置信度，取最弱一跳的置信度。
• God nodes 与社区划分：展示连接最多的概念，并按 Leiden 算法把图切分为子系统，社区标签不依赖 LLM。
• 跨文件关系：通过 tree-sitter AST 解析约 40 种语言中的 calls、imports、inherits、mixes_in 等关系。
• 设计依据与文档引用：# NOTE:、# WHY: 注释以及 ADR/RFC 引用会成为图中的节点，并与代码关联。
• 不止代码：文档、PDF、图片以及视频/音频也可以进入同一张图；这些内容需要助手模型或配置的 API key 做语义处理。

使用方式与运行环境

README 给出的前置条件为 Python 3.10+，推荐使用 uv，也可以使用 pipx。安装后运行一次 graphify install，它会检测当前使用的 AI 助手并注册技能；随后在助手中输入 /graphify . 即可开始。Codex 用户使用的是 $graphify，不是斜杠命令。

项目支持 20 多种助手和 macOS、Linux、Windows。安装时可通过 --platform 指定平台，例如 graphify install --platform codex、graphify cursor install、graphify install --platform gemini 等。若只想安装到当前仓库而不是用户目录，可加 --project，文件会写入项目内的技能目录。

运行后会生成三个文件，其中包括可查询的 graph.json。持久化图还带有 graph.schema_version 和 graph.graphify_version，便于集成方识别格式变化和生成版本。

可选扩展

Graphify 将部分能力拆成可选的 extras，按需安装即可，例如 PDF 提取、Office 文档、Google Sheets、视频/音频转写、MCP stdio 服务、文件变更自动重建、Neo4j/FalkorDB 推送、SVG 导出、Leiden 社区检测、Ollama 本地推理以及多家模型 API 后端等。SQL schema 提取和 PostgreSQL 实时内省也作为独立扩展提供。

基准与指标

README 列出了若干基准结果，例如 LOCOMO（n=300）上 recall@10 为 0.497，LongMemEval-S（n=50）上 QA 准确率为 76%，ERPNext 跨工具关键事实覆盖率为 82.0%，并强调图构建消耗的 LLM credits 为 0。这些数字来自项目自行组织的评测，适合作为参考，不宜理解为全网排名或官方认证。

平台元数据显示该项目在 GitHub 上获得 148321 Stars、14230 Forks，主要语言为 Python，许可证为 Apache-2.0。Hugging Face Likes 和 Downloads 不适用于该项目。Star 数和 Fork 数只反映 GitHub 平台上的关注度，与模型下载量等指标不是一回事。

适用人群与注意事项

Graphify 适合需要快速理解大型代码库、跨文件追踪依赖、把文档和代码放在同一张图里查询的开发者，也适合在 AI 编程助手中希望减少盲目文件搜索的团队。需要注意：代码解析是本地且确定性的，但文档、PDF、图片和音视频的语义处理会调用助手模型或外部 API；如果在意数据边界，应只使用本地代码图谱，或明确配置后端。另外，PyPI 上的官方包名是 graphifyy（双 y），命令行仍是 graphify，其他 graphify* 包与项目无关。

项目主页

https://github.com/Graphify-Labs/graphify

项目地址：graphify