让AI编码助手告别”迷路”：Graphify把整个代码库变成可导航的知识图谱

用 AI 编码助手最头疼的事是什么？它明明很会写代码，却总在你问项目上下文时”迷路”。

你问一句”认证链路最后是在哪里写数据库的”，它立刻开始读十几个文件；再问”这个函数影响哪些模块”，它又去全仓库 grep。一顿操作猛如虎，答案还不一定准。

Graphify 就是来解决这个问题的。

它是什么

Graphify 是一个开源 Python 工具，把任意文件夹里的代码、文档、SQL schema、脚本、图片、视频，抽取成一张可查询的知识图谱。

装好后，在 Claude Code、Codex、Cursor、OpenClaw、Gemini CLI 等主流 AI 编码助手里，直接敲 /graphify .，项目根目录就会生成一个 graphify-out/ 文件夹，包含三样东西：

• graph.html：浏览器打开的交互式关系图，点哪看哪
• GRAPH_REPORT.md：项目关键概念、意外关联、推荐问题的文字报告
• graph.json：完整图谱数据，可被 MCP 调用或团队共享

技术亮点

Graphify 的抽取是两遍走的：

• 第一遍：用 tree-sitter 做确定性 AST 解析，提取代码结构和依赖关系——这个本地完成，代码不上云，隐私安全
• 第二遍：用并行 Claude 子代理处理文档、PDF、图片（截图、白板照片都行），理解语义关系

两遍结果合并进 NetworkX 图谱，用 Leiden 社区检测算法做聚类——不依赖向量嵌入、不需要向量数据库，纯粹靠图的拓扑结构找相似性，没有向量漂移问题。

还有一个很实用的设计：SHA256 缓存。文件没改就不重新处理，增量更新，不浪费 token。

效果数据

官方给的数据是：相比直接读文件，token 减少 71.5 倍。一个几 GB 的研究资料文件夹，变成一张可导航的知识图谱，加一份结构化报告。

怎么装

PyPI 包名有个坑：叫 graphifyy（两个 y），但命令行工具还是 graphify。

uv tool install graphifyy
graphify install

然后在支持的 AI 编码助手里运行：

/graphify .

支持导出为 Neo4j（Cypher 查询语言）、GraphML（给 Gephi/yEd 用）、Wiki 格式，满足不同团队的工具链。

我的判断

Graphify 的本质是把”临时读取文件→临时猜测依赖”变成了”先建图谱，再按图索骥”。这对大型代码库、遗留系统、技术债务梳理这类场景，收益特别明显。

GitHub 6.2 万星不是白来的——它是目前 AI 编码助手生态里，最接近”项目级上下文理解”的一个 skill。

GitHub：https://github.com/safishamsi/graphify

GitHub: https://github.com/safishamsi/graphify