Graphify：把代码库变成可查询的知识图谱

十月 agent skills 圈子里最火的词是 graphify。这个工具做的事情一句话就能讲清：对准任意文件夹，一条命令生成可查询的知识图谱——代码、文档、PDF、图片甚至视频转写全部连进一张图，让 AI 编程助手直接查结构，而不是 grep 翻文件。

数据很夸张：Graphify-Labs/graphify 今年四月建仓，到十月中旬已约 12.8 万 star、2400+ commits、238 个 release。开发者圈显然被戳中了某个真实痛点。

为什么 grep 不够用了

你问 agent"请求校验逻辑在哪"，它默认的做法是词法式的：grep "valid"，打开五个文件，逐个读。大仓库里，找东西本身就吃掉大量 token，而且经常迷路。知识图谱换了一种问法：谁调用了这个函数？A 和 B 之间隔着什么？所有流量经过哪几个核心概念？图建一次、持久复用，之后每次查询都不用重读原始文件。

它是怎么工作的

Graphify 是 CLI + agent skill 的二合一（Apache-2.0 开源）。安装两条命令，注意包名是双 y：

uv tool install graphifyy
graphify install

然后在 Claude Code 里（也支持 Cursor、Codex、Gemini CLI 等 20+ 助手）：

/graphify .

一次生成 graphify-out/，里面有三样东西：可交互的 graph.html、要点提炼的 GRAPH_REPORT.md、完整持久化的 graph.json。之后可以直接问：

graphify query "how requests are validated"
graphify path "FastAPI" "ModelField"

核心机制是双通道：第一遍确定性解析——tree-sitter AST 解析约 40 种语言，不经过 LLM、不出本机、零 token，抽的是"谁调用谁、谁 import 谁"这类硬事实；第二遍模型辅助——文档、PDF、截图、白板照片等解析器看不懂的东西，才交给你的模型做语义抽取。

最得工程师信任的细节：每条边都带可信度标签。EXTRACTED 表示源码里明确写着的，INFERRED 表示推导出来的——找到的和猜的永远分得清。另外整个设计里没有向量数据库，没有 embeddings，没有要跑的服务，就是一张实实在在的图。

诚实的局限

• 文档那一遍不免费：代码图零 token，语义抽取烧的是你模型的 token，文档多的仓库要掂量。
• 包名是 graphifyy（双 y），README 明确警告其他 graphify* 包与官方无关，别凭记忆手打。
• 图会过期：重构后不重建，你导航的就是上个月的代码库。
• 小仓库不需要：十几个文件的项目，grep 本来就够快。
• 仓库自称的 benchmark（LOCOMO recall@10 0.497）是自测数据，仅供参考，真想评估就在自己的 monorepo 上跑一遍。

地图之后

说句实在的：graphify 不是 debugger。地图告诉你东西在哪，不告诉你为什么坏。但两者很配：当图谱指出来一条可疑调用链——比如三处 handler 用三种不同路径调同一份校验逻辑——接下来就是系统化调试的工作了：先假设、再复现、再二分、最后验证修复。我们的 systematic-debugging skill 就是为这一步设计的；如果要 review 的 PR 动到了图谱里的"核心节点"，code-review-and-quality 则给了高风险变更的检查清单。先看地图，再讲方法。

有一下午空闲就值得一试：装上，跑 /graphify .，打开 graph.html，问一个你平时靠 grep 回答的问题，对比一下答案的速度和准度——这个对比就是全部的评估标准。