Graphify-Labs/graphify

Turn 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.

Graphify – 將程式碼庫轉換為可搜尋的知識圖譜

是什麼 – Graphify 是一個基於 Python 的 CLI，可解析專案（原始碼、文件、PDF、影像、影片/音訊）並建立其發現概念的 知識圖譜。圖譜以 graph.json 儲存，並以互動式 graph.html 可視化。隨後，您可以使用 LLM 驅動的程式碼助手（Claude、Copilot、Cursor、Gemini 等）透過查詢此圖譜，而非 grep 檔案，來回答問題、追蹤連結或解釋符號。

核心理念

無 LLM 的程式碼解析 – 使用 Tree-sitter AST 支援約 40 種語言，因此不會建立嵌入或向量儲存，且資料不會離開您的機器。
顯式 vs 推論邊 – 每個連結皆標記為 EXTRACTED（直接從原始碼讀取）或 INFERRED（由 Graphify 的解析器推導），讓您清楚了解哪些是原始程式碼，哪些是推論內容。
超越程式碼 – 可加入文件、PDF、影像和影片/音訊；其語意分析由您設定的 LLM（OpenAI、Anthropic、Gemini、Ollama 等）執行。
本地優先 – 僅可選的語意分析會呼叫外部模型；重頭工作（AST 提取、社群檢測、圖譜建構）完全在您的電腦上執行。
豐富查詢 – graphify query "<問題>"、graphify explain "<符號>" 和 graphify path A B 可讓您檢索子圖、取得節點的簡潔解釋，或查看兩個概念之間的最短連結。

快速開始（約 30 秒）

# 安裝 CLI（推薦使用隔離工具）
uv tool install graphifyy   # 或：pipx install graphifyy

# 將技能註冊到您的程式碼助手
graphify install

現在開啟任何支援的助手並輸入：

/graphify .

graphify-out/ 中將出現三個檔案：

graph.html – 可在瀏覽器中開啟的互動式可視化圖譜。
GRAPH_REPORT.md – 高階摘要、關鍵概念和建議問題。
graph.json – 用於自訂查詢的完整機器可讀圖譜。

主要功能

功能	你將獲得
上帝節點	連結最多的概念 – 程式碼庫的「樞紐」。
社群	自動 Leiden 聚類，將相關子系統分組，無需 LLM 標註。
跨檔案連結	透過 Tree-sitter 在多種語言中解析 `calls`、`imports`、`inherits`、`mixes_in`。
理由節點	`# NOTE:` / `# WHY:` 註解和 ADR/RFC 引用成為與程式碼連結的一等節點。
多媒體	文件、PDF、影像、影片/音訊可加入同一圖譜（需適當可選擴充）。
本地優先解析 – 無嵌入、無向量儲存；僅非程式碼資產需要可選 LLM 呼叫。
查詢語言 – 自然語言問題（`graphify query`）、路徑追蹤（`graphify path A B`）或節點解釋（`graphify explain`）。

安裝詳情

步驟	命令	說明
套件	`uv tool install graphifyy`（或 `pipx install graphifyy`）	PyPI 名稱為 `graphifyy`（雙 y）。
技能註冊	`graphify install [--platform <assistant>] [--project]`	寫入各助手讀取的微型技能檔案。使用 `--project` 可將技能限制在目前專案內。
可選擴充	`uv tool install "graphifyy[pdf]"`、`... [neo4j]`、`... [all]` 等	加入 PDF 提取、Neo4j 推送、影片轉錄、語言特定解析器等。
前置條件	Python 3.10+，`uv`（推薦）或 `pipx`。	macOS: `brew install python@3.12 uv`；Windows: `winget install astral-sh.uv`；Linux: 透過 apt 或 curl 腳本安裝。

內部運作原理

AST 提取 – Tree-sitter 解析每個原始碼檔案，產生決定性的抽象語法樹。
邊建立 – 顯式關係（匯入、呼叫、繼承）成為 EXTRACTED 邊。Graphify 進一步解析額外連結（如類別使用的函數），並標記為 INFERRED。
社群檢測 – （可選）Leiden 算法將節點分組為子系統。
非程式碼語意分析 – 若啟用 PDF、影片或辦公室擴充，所選 LLM 處理這些檔案並加入與周圍程式碼連結的概念節點。
匯出 – 完整圖譜儲存為 JSON；基於 D3 的 HTML 查看器進行互動式渲染。

基準測試（倉儲中報告）

LOCOMO（300 個查詢）上的 Recall@10：0.497，遠高於 mem0（0.048）和 supermemory（0.149）。
LOCOMO 上的 QA 準確率：45.3%（supermemory 49.7%，mem0 27.3%）。
LongMemEval-S（50 個查詢）QA 準確率：76%（與密集 RAG 方法並列）。
圖譜建構的 LLM 信用：0 – 核心圖譜建構從不呼叫 LLM。

生態系與整合

支援的助手 – Claude Code、Cursor、GitHub Copilot CLI、VS Code Copilot Chat、CodeBuddy、Kilo、Aider、OpenClaw、Factory Droid、Trae、Gemini CLI、Hermes、Kimi、Amp、Google Antigravity，以及任何讀取通用 ~/.agents/skills/ 位置的框架。
語意分析後端 – OpenAI、Anthropic、Gemini、Azure OpenAI、Ollama、Bedrock 等（透過 --backend 和相應擴充選擇）。
圖譜輸出目標 – 將圖譜推送到 Neo4j 或 FalkorDB，或匯出為 SVG。
鈎子 – graphify hook install 加入 Git post-commit 鈎子，記錄解釋器路徑，確保技能在 CI 或 GUI Git 客戶端中正常運作。

你可能不需要它的情況

如果你只需要簡單的關鍵字搜尋（grep）或傳統的向量儲存 RAG 流程，Graphify 的圖譜中心方法可能過度複雜。
PDF/影像/影片的語意分析需要外部 LLM API 金鑰；沒有它，你只能獲得僅含程式碼的圖譜。

TL;DR

Graphify 讓你將任何專案轉換為決定性、本地生成的知識圖譜，你的 AI 程式碼助手可以查詢它，而非掃描原始檔案。它快速、程式碼部分可離線運作，並與大多數現代 AI 輔助開發工具整合。