在使用 Claude Code、Cursor 等 AI 编程助手时，你是否也遇到过这样的困境：AI 读取了十几个文件，消耗大量 Token，却依然在你庞大的代码库中"迷路"？Graphify 正是为此而生——它将代码仓库一键转成知识图谱，让 AI 真正"看懂"代码架构，Token 消耗直降 71.5 倍。
项目地址：github.com/safishamsi/graphify
Graphify 是什么
Graphify 是一款 Claude Code Skill，在 Claude Code 中输入 /graphify 即可运行。它会读取你的文件，构建知识图谱，并返回你之前未曾察觉的结构化关系。
它的核心理念是：用图结构替代线性文件读取。与其让 AI 逐个读取几十个文件，不如先建立一张语义关系图，让 AI 直接"看到"全局架构，再精准定位到需要的部分。
核心特性
全模态输入
Graphify 不局限于代码。它支持几乎任何文件类型：
- 代码文件：.py .ts .js .go .rs .java .c .cpp .rb .cs .kt .scala .php — 通过 tree-sitter 进行 AST 解析和调用图构建
- 文档：.md .txt .rst — 通过 Claude 提取概念和关系
- 论文：.pdf — 引文挖掘 + 概念提取
- 图片：.png .jpg .webp .gif — 通过 Claude Vision 提取截图、图表、甚至其他语言的图片内容
Token 暴力压缩
在混合语料测试中（代码仓库 + 论文 + 图片），Graphify 实现了 71.5 倍的 Token 压缩率。这意味着每次查询 AI 时，你只需要花费原来 1/71 的 Token 成本。
官方实测数据：
| 测试语料 | 文件数 | 压缩倍数 |
|---|---|---|
| Karpathy 仓库 + 5篇论文 + 4张图片 | 52 | 71.5x |
| Graphify 源码 + Transformer 论文 | 4 | 5.4x |
智能洞察输出
Graphify 不仅生成图谱，还会输出结构化的分析报告：
- God Nodes（核心节点）：度数最高的概念——即一切关系交汇的枢纽
- Surprising Connections（意外关联）：按综合评分排名的跨域关联，代码-论文边比代码-代码边权重更高
- Suggested Questions（推荐问题）：图谱 uniquely 能回答的 4-5 个问题
边的可信度标签
图谱中的每条边都带有标签：EXTRACTED（从文件中直接提取）、INFERRED（推理得出）、AMBIGUOUS（不确定），让你始终清楚哪些是事实、哪些是猜测。
输出格式
运行 /graphify . 后，在 graphify-out/ 目录下生成：
graphify-out/
├── graph.html # 交互式图谱 - 点击节点、搜索、按社区过滤
├── obsidian/ # 可直接作为 Obsidian vault 打开
├── wiki/ # Wikipedia 风格的文章，供 Agent 导航（--wiki）
├── GRAPH_REPORT.md # 核心节点、意外关联、推荐问题
├── graph.json # 持久化图谱 - 数周后可直接查询，无需重新读取
└── cache/ # SHA256 缓存 - 仅重新处理变更的文件安装与使用
环境要求：Claude Code + Python 3.10+
# 安装（PyPI 暂时命名为 graphifyy）
pip install graphifyy && graphify install
# 在任意目录中使用
/graphify . # 对当前目录生成知识图谱
/graphify ./raw # 对指定文件夹生成
/graphify ./raw --mode deep # 更激进的推理边提取
/graphify ./raw --update # 增量更新，仅处理变更文件
/graphify query "what connects attention to the optimizer?"
/graphify path "DigestAuth" "Response"
/graphify explain "SwinTransformer"
/graphify ./raw --wiki # 生成 Agent 可导航的 Wiki
/graphify ./raw --watch # 文件变更时自动同步图谱
/graphify ./raw --svg # 导出 graph.svg
/graphify ./raw --neo4j # 生成 Neo4j 的 cypher.txt
graphify hook install # 安装 Git post-commit 钩子自动化集成
- --watch 模式：在后台终端运行，代码文件保存时即时重建（仅 AST，不需要 LLM），文档/图片变更时通知你运行
--update - Git Hook：
graphify hook install安装 post-commit 钩子，每次提交后自动重建图谱 - MCP Server：
--mcp启动标准 MCP stdio 服务，可接入任何支持 MCP 的客户端
技术栈
NetworkX + Leiden (graspologic) + tree-sitter + Claude + vis.js。无需 Neo4j，无需服务器，完全本地运行。
适用场景
- 大型代码库导航：让 AI 快速理解项目架构，不再逐文件盲目搜索
- 知识管理：像 Andrej Karpathy 的
/raw文件夹一样，将论文、笔记、截图统一图谱化 - 跨域研究：发现代码与论文、概念与实现之间的隐藏关联
- 团队协作：生成的 Obsidian vault 和 Wiki 可作为团队共享的知识库
总结
Graphify 将知识图谱技术巧妙地应用于代码理解场景，解决了 AI 编程助手在面对大型项目时的核心痛点——Token 浪费和上下文迷失。71.5 倍的 Token 压缩率意味着更低的成本和更精准的 AI 理解，值得每一位使用 Claude Code 或 Cursor 的开发者尝试。
