Graphify Skill：把代码库变成可查询知识图谱的 AI 原生开发利器

Graphify Skill：把代码库变成可查询知识图谱的 AI 原生开发利器

Graphify 是 YC S26 孵化的代码库知识图谱工具，通过 /graphify 命令将任意代码库——包括源码、SQL Schema、文档、PDF、图片、视频——一次性映射成可遍历、可追问的结构化知识图谱，让 AI 编程助手告别反复 grep 全文的低效模式。截至 2026-09-02，GitHub 约 110k ⭐，是今年增长最快的开发者工具之一。

功能与原则

Graphify 回答的是每个 AI 编码助手做大项目时迟早会遇到的问题：代码库一大，每次 prompt 都靠 grep 和重新读文件，又慢又容易遗漏。Graphify 的解法是一次性给整个项目建一个知识图谱，让智能体去查这个图谱，而不是每次都重新读所有文件。

核心原则三条：
– 本地确定性解析：代码部分用 tree-sitter 在本地做 AST 解析，完全不调用 LLM，不会有任何内容离开你的机器
– 边可解释：每条连接都标注 EXTRACTED（源码中明确存在的）或 INFERRED（Graphify 推导的），让用户分清确定与推断
– 非向量索引：没有 embedding、没有向量库，是一个真正可遍历、可追溯路径的图结构

认可度

• GitHub Star：约 110k ⭐（截至 2026-09-02），GitHub 官方 trending 页面曾只显示约 8.5k，与 API 核实数字相差近 10 倍
• Forks：约 10,773
• GitHub Trending：曾位列第 13 名（2026-07-15）
• Y Combinator：Graphify Labs 为 YC S26 批次孵化的公司
• 版本：v0.9.16（2026-07-14），主分支已达 v0.9.17
• License：MIT

链接

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

官网：https://www.graphify.com

原作者

Graphify Labs（YC S26 批次孵化），团队公开于 GitHub、Discord、YouTube 和 LinkedIn。核心贡献者通过 GitHub 协作维护。

介绍

Graphify 起源于一个简单观察：当代码库超过几万行时，AI 助手每次都要靠”这次读这些文件”的方式来理解项目上下文，既费 token 也容易漏掉关键依赖关系。Graphify 的做法是把代码库的全部结构——类、函数、调用关系、导入、继承、注释——用 tree-sitter 提取出来，用 NetworkX 建图，再用 Leiden 算法做社区检测，最后输出一个可交互的图谱。

支持的文件类型极为广泛：源码（Python/JS/TS/Go/Rust 等主流语言）、SQL Schema、配置文件、Markdown 文档、PDF、图片、视频。代码部分完全本地处理；文档和多媒体可选择调用 AI 模型做语义分析。

建好的图谱会输出三个文件：graph.html（可点击浏览的交互图谱）、GRAPH_REPORT.md（关键概念和发现汇总）、graph.json（完整图谱数据，可程序化查询）。

特点

• 零 LLM 成本的代码解析：代码 AST 解析在本地完成，token 零消耗，没有任何内容外传
• 全类型覆盖：代码 + SQL Schema + 文档 + PDF + 图片 + 视频，统一建模为图谱节点
• 可解释的边关系：EXTRACTED / INFERRED 双标签，追溯每条连接的来源
• 无需向量库：纯图结构，支持路径查询（如”找出 A 和 B 之间的所有连接路径”）
• 多 AI 助手兼容：Claude Code、Cursor、Codex、Gemini CLI，以及 Smithery 平台通用
• 快速上手：安装 CLI → graphify install → AI 助手内输入 /graphify，三步完成

使用方法

安装 CLI（任选一种）：

uv tool install graphifyy
# 或
pipx install graphifyy

将 /graphify 技能注册到 AI 助手：

graphify install

在 AI 助手中执行（以当前目录为例）：

/graphify .

输出三个文件：

graphify-out/
├── graph.html        # 交互图谱，浏览器打开，点击节点、过滤、搜索
├── GRAPH_REPORT.md   # 关键概念、意外连接、推荐提问
└── graph.json        # 完整图谱数据，可程序化查询

如需增量更新，重新运行 /graphify . 即可。

使用场景与人群

适用场景：
– 超大代码库（>1 万行）的 AI 辅助理解
– 需要追问”这段逻辑从哪里来/依赖什么”的深度分析
– 跨文件依赖路径追踪
– 项目接手时的全局结构梳理
– GraphRAG 场景下的结构化知识注入

目标用户：
– AI 编程助手（Claude Code / Cursor / Codex / Gemini CLI）重度用户
– 大型代码库维护者
– 关注代码智能（Code Intelligence）的工程团队

输入与输出案例

案例 1：FastAPI 项目图谱生成

输入（Claude Code 终端）：

/graphify .

输出：
– graph.html：FastAPI 代码库的交互图谱，每个节点是一个概念（路由、依赖注入、数据库模型等），颜色对应 Leiden 检测到的社区
– GRAPH_REPORT.md：包含”关键概念有哪些”、”意外连接有哪些”等摘要，以及推荐追问
– graph.json：完整邻接表，可程序化查询，例如”列出所有依赖 Authentication 层的函数”

案例 2：查询跨越多个文件的调用路径

输入（追问）：

从 UserController 到 DatabaseLayer 的完整调用路径是什么？

输出（Graphify graph.json 查询结果）：

UserController.login()
  └── AuthService.verify()
        └── TokenCache.get()
              └── DatabaseLayer.query()

传统方式需要 grep + 多次跳转才能得出，Graphify 直接给出结构化路径。

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