AI 编程助手改大项目有个老毛病：它回答问题之前得先读文件，十几个文件挨个读下来，token 用了不少，文件之间的调用关系还是经常漏。它手里只有 grep 和关键词匹配，你的项目整体长什么样，它并不知道。

Graphify 想解决的就是这个事。它会把代码、文档、PDF 这些整个扫一遍，生成一张知识图谱，之后 AI 助手要回答问题，先查这张图就行，文件不用重新翻了。这个项目今年 4 月才放出来，现在 GitHub 上 12 万 Star 了。

先简单介绍下

Graphify 本身不是一个独立软件，是给 AI 编程助手装的一个技能。装好以后，我们在助手里敲 /graphify，它就开始扫当前项目，扫完给你一张知识图谱。这张图是实实在在的文件，能查，能遍历。另外，它跟向量数据库不是一路东西，向量检索返回的是"长得像"的内容，这张图给的是具体的关系。

功能这块我拆开说

一条命令建图，给你三个文件

在助手里敲 /graphify . ，等它跑完，项目里会多出一个 graphify-out 目录，里面就三个文件。

下面这张图是它拿 FastAPI 的代码库跑出来的，每个节点是一个概念，颜色一样的是同一个子系统，都是自动分出来的：

代码解析完全在本地，不花模型额度

我觉得这是最划算的一点。代码文件全部走 tree-sitter 语法树解析，支持 40 种上下的语言，整个过程不碰大模型，代码也不出本机。也就是说，光建代码这部分的图，一分钱 API 费用都不用花。

需要模型参与的只有文档、PDF、图片、音视频这些非代码内容，用的是你 AI 助手自己会话的模型，或者你自己配的 API key。

每条边都标了来源

图里的每条关系边都挂着标签。EXTRACTED 的意思是源码里直接写了这个关系，INFERRED 的意思是工具自己推出来的。真拿去查问题的时候，哪些关系是代码里实打实存在的，哪些还得再核实一遍，扫一眼就清楚了。报告里还有一类 AMBIGUOUS，工具自己都拿不准的边，也会单独标出来。

查询是真的在图上走

图建好以后，查东西主要靠三个命令。

• • query 接大白话的问题，返回一块相关的子图；
• • path 用来看两个东西中间是怎么连起来的；
• • explain 解释一个概念和它周围一圈的关系。

官方文档里举了个例子，拿 FastAPI 的图问 APIRouter，结果里能看到它出自 routing.py 的第 2210 行，连着 47 个节点，每条边都有来源标签。

有了这张图，AI 助手拿到的上下文是顺着真实代码关系查出来的路径，比以前那种 grep 出一堆文件再让模型自己拼的做法，要靠谱得多。

官方还放了基准测试的数据：

LOCOMO 数据集上，它的 recall@10 是 0.497，同场对比的 mem0 是 0.048，supermemory 是 0.149。QA 准确率这项它是 45.3%，比 mem0 高，不过比 supermemory 的 49.7% 要低一些。

自动找出项目的核心节点和子系统

建图的时候它还会顺手做两件事。

一件是找 god nodes，就是连接数最多的那批概念，整个项目干什么基本都绕不开它们，新人接手项目先把这份名单看一遍，大概就知道重点在哪了。

另一件是拿 Leiden 算法把图切成一个个子系统，每个子系统会自动起好名字，在 graph.html 里可以按子系统一块一块地看。

代码以外的东西也能进同一张图

除了代码，Markdown、PDF、图片、视频音频、SQL 表结构、Terraform 配置这些都能进图，Word、Excel 和视频要单独装对应的扩展包。

有一点我挺喜欢的：代码里 NOTE、WHY 开头的注释，还有架构决策记录，会被抽出来做成单独的节点，挂在它解释的那段代码上。这样当时为什么这么写的，和代码本身就在一张图里了，提问的时候两边能一起查到。

图会跟着代码一起更新

图不是建一次就扔那了。改过的文件可以增量更新，不用全量重跑。装一个 git hook 之后，每次 commit、切分支，它都会自己重建图。图文件可以直接提交进仓库，团队里其他人 clone 下来就有图用。

想给别的工具接的话，图能做成 MCP 服务，也能起个 HTTP 服务，整个团队共用一份。它另外还有个 PR 看板，能看到每个 PR 动了图里的哪些区域，哪些 PR 撞在同一个子系统上、合并顺序要小心，review 排期的时候有点用。

快速开始

就两条命令，环境里有个 Python 3.10 以上就行：

uv tool install graphifyy
graphify install

第一条把命令行工具装上，第二条把它注册给你的 AI 助手。装完在助手里敲 /graphify . 就开始跑了。中间想改什么，直接用大白话跟助手说，只看代码、重新聚类、不要可视化页面这些，都有现成的参数。

有几个坑提前说一下。

PyPI 上的包名是 graphifyy，两个 y，其他叫 graphify 什么什么的包都跟官方没关系，不过装完以后命令还是叫 graphify。Windows 上用 PowerShell 的话，要敲 graphify . ，不能带斜杠，那个斜杠会被当成路径。

装完如果提示 command not found，多半是工具目录没进 PATH，跑一句 uv tool update-shell，再开个新终端就好了。平时用中文提问比较多的，建议把 graphifyy[chinese] 这个扩展也装上，里面带 jieba 分词。

收尾

最后说下我的想法，什么情况值得装呢：项目体量上去了，新人入职要快速摸清架构，或者团队想把项目结构共享出来，这几种情况它都帮得上忙。社区有篇评测说 500 到 5000 个文件的仓库用起来最值，我感觉这个判断靠谱。项目要是就几十个文件，那就别折腾了，直接让 AI 读文件更快。

还有一点要提前想好，代码以外的内容是要走模型的，项目里 PDF 和文档堆得多的话，建图那一步会花一些 API 额度。代码部分就完全不用操心，本地就跑完了。

总的来说，今年打着知识图谱旗号的工具见得不少，真能把图塞进日常开发流程里的不多，这个算一个。4 月发布到现在热度一直没下来，说明被这个项目确实不错。

开源地址

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