手里有个塞得很满的文件夹：几十个代码文件，几篇 PDF 论文，一堆 Markdown 笔记，还有随手截的架构图和白板照片。你知道这些东西之间有联系，但具体谁连着谁，早就理不清了。

想让 AI 帮忙梳理，把这一堆全喂进去，上下文窗口很快就满，token 消耗也大，答得还未必准。graphify 要解决的就是这个问题。它是一个装进 AI 编程助手里的 Skill，在助手里输入 /graphify，就会把当前文件夹里的代码、文档、PDF、图片甚至视频读一遍，建成一张知识图谱，之后你可以直接对图谱提问，而不是每次都让助手重新翻文件。

截至 2026 年 11 月，graphify 的 GitHub 仓库 star 数超过 14 万，协议是 Apache-2.0。这篇文章讲它能处理什么、怎么安装、建图之后怎么查，以及它的数据会去哪里。

graphify 是什么

graphify 的定位是：把一堆资料变成一张可以查询的知识图谱。图谱里每个节点是一个概念、函数或文档片段，每条边是它们之间的关系，例如调用、引用、继承或语义相似。

和常见的向量检索不同，官方 README 写明它不使用 embedding，也没有向量库，存下来的是一张可以遍历的图。你可以问一个问题，可以查两个概念之间的路径，也可以让它解释某一个节点。

支持的助手也不止一个。README 写的是 Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot 等 20 多种工具，在 macOS、Linux 和 Windows 上都能用。

它能处理哪些资料

代码：用 tree-sitter 做 AST 解析，README 写的是覆盖约 40 种语言，把函数、调用、导入、继承等关系解析出来。这一步是确定性的，不调用大模型，代码也不会离开本机。
文档和 Markdown：提取里面的概念和概念之间的关系。
PDF 和图片：通过助手的模型做语义提取，把截图、架构图里的内容接进同一张图。
音频和视频：用 faster-whisper 在本地转写后再并入图谱。

不管原来是代码还是图片，最后都落成同一张图上的节点和边。

安装与第一次建图

graphify 需要 Python 3.10 或更高版本，官方推荐用 uv 或 pipx 安装。注意 PyPI 上的官方包名是 graphifyy（两个 y），其他名字里带 graphify 的包与项目无关。

uv tool install graphifyy
graphify install

如果你习惯用 pipx，把第一行换成 pipx install graphifyy 即可。graphify install 会检测你在用哪个助手，并把 Skill 注册进去。

装好后，在助手里打开要分析的目录，输入：

/graphify .

跑完之后，当前目录下会多出一个 graphify-out 文件夹，里面有三个主要文件：

graph.html：可以在浏览器里打开的交互图，能点节点、搜索、按社区筛选。
GRAPH_REPORT.md：摘要报告，列出连接最多的核心节点、意外的连接，以及这张图适合回答的问题。
graph.json：完整的图数据，之后随时可以查询，不必重新读文件。

不同助手的安装方式略有区别。例如 Codex 用 graphify install --platform codex，在 Codex 里调用时写 $graphify，不是斜杠；Cursor 用 graphify cursor install。Codex 用户还需要在 ~/.codex/config.toml 的 [features] 下设置 multi_agent = true，才能并行提取。其余平台的命令见 README 里的平台表。

建完图之后怎么查

图建好之后，常用的是三个查询命令：

/graphify query "认证模块和数据库之间是怎么连起来的？"
/graphify path "UserService" "DatabasePool"
/graphify explain "RateLimiter"

query 针对一个自然语言问题，返回相关的子图；
path 追踪两个事物之间的最短路径，并给出整条路径的置信度，也就是最弱一跳的置信度；
explain 解释一个节点，列出它的来源位置和所有连接。

如果一个名字对应多个节点，graphify 会拒绝猜测，把候选项列出来让你选。脚本里调用时，退出码 0 表示有答案，3 表示名字有歧义，4 表示没有匹配的节点。

往图里追加资料也很直接。例如把一篇论文链接加进去：

/graphify add https://arxiv.org/abs/1706.03762

目录内容有变化时，用 /graphify ./docs --update 只重新提取改动过的文件。想生成一份 Markdown 知识库，可以加 --wiki。

它能省多少 token，要看语料

graphify 的价值有两层。一层是结构：文件不多的时候，它的作用主要是把关系理清楚，省 token 的效果并不明显。另一层是文件多而杂的时候，助手不用把所有原文塞进上下文，而是针对问题取一个子图，读的内容就少得多。具体能省多少取决于语料，所以没有一个固定倍数。

官方 README 给的基准可以作为参考。在 ERPNext 的跨工具测试里（n=6），graphify 的关键事实覆盖率是 82.0%，用 grep 加读文件的基线是 70.8%。同一张表里还写明，“图谱构建的 LLM 额度”一项写的是 0。需要注意，文档、PDF 和图片的语义提取仍然要用到助手的模型，见下文的数据说明。完整的对比表和复现命令都在仓库的 BENCHMARKS.md 里，建议自己跑一遍再决定要不要用在大项目上。

如果你的需求只是让 Claude Code 读代码少花一点 token，也可以对比另一个更轻量的思路：Claude Code 读代码太费 token 怎么办？用 CodeGraph 给项目建一张本地代码图谱。

每条边的可信度，和让图保持最新

每条边都带标签。 图谱里的每条连接都会标记置信度：EXTRACTED 表示直接从源文件里读到的，INFERRED 表示由 graphify 推断出来的，AMBIGUOUS 表示不确定、会在报告里提示你人工复核。这样你一眼就能分清哪些是硬证据，哪些是推断。

图可以跟着代码更新。 官方提供两种做法：

运行 graphify hook install，在每次 commit 和切换分支后自动重建。README 提醒，执行 git pull 之后要手动运行一次 graphify update .。
安装 watch 可选依赖后运行 graphify watch，文件变化时自动重建。代码部分走 AST，不调用大模型，所以速度快。

想让助手默认先查图，可以在项目里运行一次 graphify claude install 或 graphify codex install。它会写入一小段配置，让助手遇到代码库问题时优先用 graphify query，而不是直接翻全部文件。

你的数据会去哪里

这是用之前最值得弄清楚的一点，官方 README 的隐私部分写得比较细：

代码文件：只在本地用 tree-sitter 处理，不会发出去。只有代码的语料，graphify extract 可以完全离线运行，不需要 API Key。
文档、PDF、图片：会发给你的 AI 助手做语义提取，用的是当前会话里的模型。在命令行里单独跑 graphify extract 时，需要配置某一家模型服务的 API Key，或使用本地的 Ollama。
音频和视频：在本机用 faster-whisper 转写。
遥测：README 写的是没有遥测、没有使用追踪。
查询日志：每次 query、path、explain 都会记到 ~/.cache/graphify-queries.log，包含时间、问题和返回的节点数，不保存完整结果。可以设置 GRAPHIFY_QUERY_LOG_DISABLE=1 关闭。

对有数据驻留要求的代码库，官方建议用 --backend ollama 走本地模型。

另外要知道，项目作者还提供了一个托管版本 Graphify Cloud，官方页面写有 14 天免费试用。本文介绍的是开源的本地命令行和 Skill，两者是分开的。

适合谁用，有哪些限制

适合：用 AI 编程助手啃大项目的人。助手最怕不了解全貌，改一个函数漏掉几个依赖，有一张关系图能帮它看清仓库的骨架。
适合：做研究、整理资料的人。把论文、笔记、截图放进同一个文件夹，直接对着图提问，比在几十个文件之间来回翻要快。
限制：文档、PDF 和图片的提取依赖助手的模型，这部分有 token 消耗，也不是完全离线。
限制：同一个扩展名在不同项目里可能代表不同语言，比如 .inc 或 .h。README 建议在项目根目录的 .graphifyrc 里声明，否则可能被当成错误的语言解析，图看起来有内容，真正的符号却缺失。
限制：生成 graph.html 时默认的节点上限是 5000，超过后会改成按社区聚合的视图。

整体来看，graphify 不用改你的工作流，装上之后就是多了一个让助手理解全貌的能力。手头有大项目，或者一堆杂乱资料想理清楚，可以先在一个小目录上跑一次，看 GRAPH_REPORT.md 里的结论是否有用，再决定要不要推广到整个仓库。

如果你在 AIGoCode 上接入了 Claude Code 或 Codex，按上面的两条命令就能装上 graphify，在自己的项目里试一试。另外，想比较不同的代码知识图谱方案，可以看 GitNexus 与 DeepWiki 怎么选，代码知识图谱与仓库文档的用途对比。

参考链接

graphify GitHub（官方仓库）：https://github.com/Graphify-Labs/graphify
graphify 官方文档：https://docs.graphify.com
工作原理说明：https://github.com/Graphify-Labs/graphify/blob/v8/docs/how-it-works.md
基准测试说明：https://github.com/Graphify-Labs/graphify/blob/v8/BENCHMARKS.md
PyPI 官方包：https://pypi.org/project/graphifyy/