graphify:把代码库转成可查询知识图谱的 AI 编程助手技能
决策简报
Brief- 发生了什么
- GitHub 项目 graphify 发布 AI 编程助手技能,可将代码、文档、PDF、图像、视频映射为可查询的知识图谱,替代传统文件搜索。
- 为什么重要
- Claude 相关变化会影响地区可用性、合规成本和供应商风险。
- 影响谁
- Claude Code · Claude · Gemini · MCP · Cursor
- 建议动作
- 升级或复核变更版本
- 地区可用性
- 暂未验证地区可用性差异。
关键事实
- GitHub 项目 graphify 发布 AI 编程助手技能,可将代码、文档、PDF、图像、视频映射为可查询的知识图谱,替代传统文件搜索。 [src-skill-radar]
- 用 tree-sitter AST 本地构建代码图、零 LLM 开销且召回率 0.497 远超 mem0 的 0.048,对需要在大型代码库中快速定位和理解代码关系的开发者来说,这比逐文件 grep 的效率提升是数量级的。 [src-skill-radar]
由事件证据自动生成。
graphify 是一个跨 20 多种 AI 编程助手(Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot 等)的通用技能,安装后通过 /graphify 命令将整个项目映射为知识图谱。代码部分用 tree-sitter AST 在本地解析,不调用大模型、数据不出本机,支持约 40 种语言的跨文件调用、导入、继承关系解析;文档、PDF、图像和视频则通过助手自带模型或用户配置的 API 密钥做语义处理。每条边都标注为 EXTRACTED(源码中显式存在)或 INFERRED(由解析推导),输出 graph.html、GRAPH_REPORT.md 和 graph.json 三个文件。 安装需要 Python 3.10 以上和 uv 或 pipx,执行两条命令即可完成 CLI 安装和助手技能注册。构建完成后,开发者可以用 explain、path、query 等命令查询图谱而非阅读文件,例如在 FastAPI 代码库中追踪 APIRouter 到 ModelField 的 3 跳路径。基准测试显示 LOCOMO 数据集上 recall@10 为 0.497,而 mem0 仅为 0.048,且图谱构建消耗 0 个 LLM 积分。 对于维护大型 monorepo 或需要跨仓库理解代码的团队,Graphify Cloud 提供持续在线的图谱服务,宣称可将 Agent 的 token 消耗降低 80%,并支持 Sentry、Jira 等工具连接器。本地版本完全免费,适合对代码隐私敏感、不希望源码离开本机的开发者。
来源
- Skill Radar(GitHub 趋势)
Trending hands-on MCP servers, agent skills, and AI-coding tools discovered from GitHub search momentum.
- GitHub:safishamsi/graphify
留言
登入后即可留言,和其他 builder 交换实测心得。
还没有留言,抢头香。