Graphify-Labs / graphify

Graphify-Labs/graphify

open_in_new前往仓库

将任意代码库及其文档、SQL模式、配置和PDF转换为可查询的知识图谱。为Claude Code、Cursor、Codex和Gemini CLI提供/graphify技能：本地确定性AST解析，每条边都有解释，无需向量存储。

项目概览

项目概述

Graphify 是一个开源工具，旨在将任何代码库（包括文档、SQL 模式、配置文件和 PDF）转换为可查询的知识图谱。它作为 AI 编程助手（如 Claude Code、Cursor、Codex 和 Gemini CLI）的技能（skill）运行，通过本地确定性的 AST 解析（使用 tree-sitter）构建图谱，无需向量存储。每个边都有明确的解释（EXTRACTED 或 INFERRED），帮助开发者理解代码结构、发现隐藏关系，并以自然语言查询代码库。项目由 Graphify-Labs 维护，采用 Apache-2.0 许可证，主要使用 Python 编写。

核心功能

  • 代码图谱构建：使用 tree-sitter AST 解析代码，提取类、函数、导入、调用关系等，完全本地化，无需 LLM 调用。
  • 多模态支持：支持文档（Markdown、PDF、图片、视频/音频）的语义提取，通过 AI 助手模型或配置的 API 密钥进行。
  • 图谱查询：提供 query、path、explain 命令，可对图谱进行自然语言查询、路径追踪和概念解释。
  • 社区检测：使用 Leiden 算法将图谱划分为社区，并自动生成标签。
  • 可视化：生成交互式 HTML 图谱（graph.html），支持点击、过滤和搜索。
  • 报告生成：生成 GRAPH_REPORT.md，包含关键概念、意外连接和建议问题。
  • 增量更新：支持增量提取，仅处理变更文件，节省时间和 API 成本。
  • 实体去重：通过 MinHash/LSH 和 Jaro-Winkler 算法合并近似重复的实体。
  • 多平台集成：支持 20+ 种 AI 编程助手平台，包括 Claude Code、Cursor、Codex、Gemini CLI 等。
  • MCP 服务器：可将图谱作为 MCP 服务器暴露，支持 stdio 和 HTTP 传输。

适用与不适用场景

适用场景：

  • 大型代码库的快速理解和导航。
  • 跨文件、跨模块的依赖关系分析。
  • 文档、论文、图片等多模态资料的整合查询。
  • 团队协作时共享代码知识图谱。
  • 需要本地优先、隐私敏感的开发环境。

不适用场景：

  • 需要实时、动态更新的场景（图谱构建需要时间）。
  • 对图谱准确性要求极高，无法容忍推断错误的场景。
  • 仅处理少量文件（如少于 6 个文件）时，图谱优势不明显。
  • 需要向量相似度搜索的场景（Graphify 不使用向量存储）。

技术架构与依赖

  • 核心语言：Python 3.10+。
  • 主要依赖：tree-sitter（AST 解析）、NetworkX（图数据结构）、Leiden 算法（社区检测）、datasketch（MinHash/LSH）、rapidfuzz（Jaro-Winkler）。
  • 可选依赖：faster-whisper（视频/音频转录）、yt-dlp（视频下载）、Ollama（本地推理）、OpenAI/Gemini/Anthropic API 等。
  • 架构：三阶段处理——AST 提取（本地）、视频/音频转录（本地）、语义提取（LLM，可选）。
  • 输出格式：graph.json（NetworkX node-link 格式）、graph.html（可视化）、GRAPH_REPORT.md（报告）。

安装与快速开始

安装：

# 推荐使用 uv
uv tool install graphifyy
# 或 pipx
pipx install graphifyy
# 或 pip
pip install graphifyy

注册技能：

graphify install

快速开始： 在 AI 编程助手中输入 /graphify .，即可为当前目录构建知识图谱。输出文件位于 graphify-out/ 目录。

典型使用方法

# 构建图谱
/graphify .

# 查询图谱
graphify query "what connects auth to the database?"

# 路径追踪
graphify path "UserService" "DatabasePool"

# 解释概念
graphify explain "RateLimiter"

# 增量更新
graphify extract ./docs --update

# 导出为 Mermaid 架构图
graphify export callflow-html

# 启动 MCP 服务器
graphify serve graphify-out/graph.json

配置与部署要点

  • 环境变量：根据后端选择设置 API 密钥，如 ANTHROPIC_API_KEY、GEMINI_API_KEY、OPENAI_API_KEY 等。
  • 忽略文件：使用 .graphifyignore 文件排除不需要索引的目录，语法与 .gitignore 相同。
  • 团队协作：将 graphify-out/ 提交到 Git，团队成员共享图谱。
  • Git Hooks：使用 graphify hook install 在每次提交后自动重建图谱。
  • 部署：可通过 Docker 部署 MCP HTTP 服务器，供团队共享。

限制、风险与许可证

  • 限制：代码解析仅支持 tree-sitter 覆盖的语言；语义提取需要 LLM API 调用，可能产生费用；图谱构建时间随文件数量增加。
  • 风险：推断的边可能不准确；文档、PDF 等内容的语义提取依赖外部 API，存在数据隐私风险（但代码和视频/音频处理是本地化的）。
  • 许可证：Apache-2.0。

官方链接

信息来源和分析时间

  • 信息来源：GitHub 仓库 README、docs/ 目录下的文档（how-it-works.md、docker-mcp-sqlite.md 等）、最新发布信息（v0.9.39）。
  • 分析时间：2026-08-10（基于最新发布版本日期）。