Graphify – 将任何代码库转换为可查询的知识图谱
将代码、文档、SQL 模式和 PDF 转换为可查询的知识图谱，在 AI 编码助手中用 /graphify 替代 grep。
证据显示：安全策略详细说明了威胁模型，包括URL验证、路径遍历防护、XSS清理、提示注入缓解等，体现了最小权限原则。安装和操作需要用户明确执行命令，如`graphify install`，且默认不进行网络调用。数据流透明：代码本地解析，文档/媒体通过用户配置的API密钥进行语义处理，README明确说明。敏感数据处理：不存储凭据或API密钥，但依赖用户配置的API密钥，未明确说明密钥存储方式。依赖安全：CI包含bandit和pip-audit，但非阻塞（continue-on-error），且未提供审计结果。外部影响：默认无网络监听，但`ingest`子命令可获取URL，需用户明确提供。回滚：提供`graphify uninstall`，但未说明数据回滚或恢复机制。来源归属：README和pyproject明确标识了仓库和包名，但发布者未验证。扣分：回滚机制不完整，依赖安全扫描非阻塞。
证据显示：README、SECURITY.md、pyproject.toml和CI配置在功能描述上一致，无矛盾。依赖在pyproject中明确列出，且CI使用uv.lock锁定版本，确保可重现安装。失败消息：SECURITY.md和代码注释中提供了错误处理说明，如损坏的graph.json恢复消息。扣分：未提供实际运行测试，无法验证自洽性，但静态证据充分。
证据显示：README详细说明了目标受众（AI编码助手用户）和多种使用场景（代码、文档、PDF等）。能力边界明确：代码本地解析，文档/媒体需配置API密钥，且列出支持的文件类型和可选扩展。触发精度：`/graphify`命令和`graphify install`明确，且针对不同平台有特定安装命令。环境适配：支持多种操作系统和Python版本，提供安装说明。扣分：未提供实际运行验证，但静态证据充分。
证据显示：README结构清晰，包含安装、使用、平台支持、文件类型、安全等章节。安装说明详细，包括多种安装方式和常见问题。命名稳定：包名`graphifyy`和命令`graphify`明确，且README警告其他`graphify*`包不相关。示例和FAQ：README包含使用示例和常见问题解答。已知限制：SECURITY.md和README提及安全模型和限制。许可证：Apache-2.0，LICENSE文件完整。版本控制：pyproject版本0.9.37，但未提供CHANGELOG。维护责任：README和SECURITY.md提供了联系方式和报告漏洞的途径。扣分：缺少CHANGELOG。
证据显示：输出包括graph.html、GRAPH_REPORT.md和graph.json，可直接使用。边际价值：将代码库映射为知识图谱，提供查询、路径、解释等功能，相比传统grep有独特价值。成本效益：代码解析本地免费，文档/媒体需API密钥，但提供免费选项。扣分：未提供实际运行验证，但静态证据充分。
证据显示：README中的基准测试链接到BENCHMARKS.md，但未提供具体数据。安全声明在SECURITY.md中详细说明，但未提供测试证据。事实与推断分离：README明确区分EXTRACTED和INFERRED边，但未提供验证方法。扣分：基准测试数据未在提供文件中，无法验证。
- 发布者身份未验证，需谨慎对待。
- 依赖安全扫描非阻塞，可能存在未修复的漏洞。
- 回滚机制不完整，仅提供卸载命令，无数据恢复。
- 基准测试数据未在提供文件中，无法验证性能声明。
这个 Agent 能做什么，适合哪些场景？
Graphify 是一个本地优先的代码分析工具，集成到 Claude Code、Cursor、Codex、Gemini CLI 等 AI 编码助手中。它使用 tree-sitter 对代码进行确定性 AST 解析，无需 LLM 调用即可生成知识图谱，支持 40 多种语言的跨文件调用/导入/继承等关系。对于文档、PDF、图片和视频，则通过所选后端模型进行语义提取。每次连接都会标记为 EXTRACTED 或 INFERRED，并附带置信度标签。输出包括 graph.html 交互式可视化、GRAPH_REPORT.md 摘要和 graph.json 完整图谱，可直接查询。该工具提供查询、路径和解释命令，并支持 MCP 服务器，使助手能结构化访问图谱。
Graphify 通过 /graphify 命令对当前目录运行，输出 graphify-out/ 下三个文件：graph.html、GRAPH_REPORT.md 和 graph.json。它使用 tree-sitter 解析代码，提取跨文件关系如调用、导入、继承和混入。用户可通过 graphify query "<问题>" 进行自然语言查询，graphify path "A" "B" 查找两个概念间最短路径，graphify explain "符号" 查看节点详情和连接。它提供 graphify install 命令将技能注册到助手，支持多平台如 Claude Code、Gemini CLI 等。也支持 graphify export callflow-html 导出架构图，graphify hook install 在提交后自动重建图谱。它还能添加 URL（论文、视频）以扩展图谱。
- 开发者希望理解不熟悉的代码库，通过可视化图谱和查询快速定位关键概念和模块。
- 在代码审查或调试时，需要追踪函数或服务之间的依赖关系，使用 path 命令查找连接路径。
- 团队希望将代码知识共享给新成员，提交 graphify-out/ 到 git，让他们立即获得图谱。
- 在持续集成中，使用 headless 提取（graphify extract）自动更新图谱，无需人工干预。
- 对于包含文档和 PDF 的项目，使用语义提取将非代码资产映射到同一图谱中。
- 大规模项目需要识别架构热点，利用 god nodes 和 communities 功能发现高连接度概念。
这个 Agent 有哪些优点和局限？
- 本地确定性 AST 解析，无 LLM 调用，保护代码隐私，离线可用。
- 每条连接都有置信度标签，区分显式提取与推断关系。
- 支持多平台集成（20+ 助手），并提供 MCP 服务器便于工具访问。
- 无向量存储，使用真实图谱，支持路径查询和社区检测。
- 文档、PDF、图片等需要 LLM 调用，需配置 API 密钥或使用 IDE 会话。
- 对于大型代码库，图谱文件可能很大（512 MiB 限制），浏览器打开 HTML 可能卡顿。
- 学习曲线：需要熟悉 CLI 命令和配置选项。
- 安装可能遇到 PATH 问题，需要额外配置（如 uv tool update-shell）。
如何安装或部署这个 Agent？
安装命令：uv tool install graphifyy 或 pipx install graphifyy。然后运行 graphify install 注册技能。需要 Python 3.10+、uv 或 pipx。可选扩展：uv tool install "graphifyy[pdf]"、"graphifyy[office]"、"graphifyy[video]" 等。
如何使用这个 Agent？
在 AI 助手中输入 /graphify . 生成图谱。然后可使用 graphify query "<问题>"、graphify path "A" "B"、graphify explain "符号" 查询。对于 headless 提取，设置 API 密钥并运行 graphify extract ./docs --backend claude 等。也可以启动 MCP 服务器：python -m graphify.serve graphify-out/graph.json。
这个 Agent 与同类方案有什么区别？
Graphify 与 mem0 和 supermemory 在 LOCOMO 基准上的 recall@10 相比有显著优势（0.497 对比 0.048 和 0.149），但 QA 准确率略低于 supermemory（45.3% vs 49.7%）。与 RAG 相比，它不使用向量存储，而是构建可遍历的图谱。