Skill graphify 把任意代码库变成可查询的知识图谱

读一个不熟悉的代码库，最耗时的不是写代码，而是“搞清楚它到底怎么连起来的”：这个函数被谁调用、这个配置从哪来、某条业务规则写在哪个文件。常规的全文搜索只能给你一堆命中，给不出关系；向量检索又常常“编”出不存在的调用链。Graphify-Labs 的 graphify 换了个思路：用 tree-sitter 在本地做确定性 AST 解析，把整个代码库（连同文档、SQL、配置甚至 PDF）变成一张可查询的知识图谱，让智能体像查地图一样查代码。

项目基本信息

一、项目介绍

graphify 是一个本地优先的代码知识图谱工具。它先用 tree-sitter 对约 40 种语言做 AST 解析，抽出 calls / imports / inherits / mixes_in 等跨文件关系，再把文档、PDF、图片、音视频也映射进同一张图。最终产物是一份 graph.json，以及一句 /graphify . 就能唤醒的 Skill，支持 Claude Code、Cursor、Codex、Gemini CLI 等 20 多个智能体。

二、核心优势

一是确定性、零幻觉。跨文件链接由 AST 解析得到，每条边都有来源，不会像向量检索那样“编”调用链。二是本地优先、隐私可控。代码解析完全在本地、不调用 LLM；只有对文档/媒体的语义处理才会访问后端，且可配置。三是面向智能体优化。提供 query（提问）、path（追踪两点间路径）、explain（解释某个概念）三种查询，并自动生成 God nodes（最核心的概念）与 Leiden 社区划分，帮智能体一眼看到系统主干。

三、适用场景

适合接手遗留系统、做大规模重构前的风险评估、跨仓库 Impact Analysis，以及给新同事/新智能体做 onboarding。对安全与架构评审也很有用：一条数据的来龙去脉能在图里直接追出来。

四、安装教程

官方 PyPI 包名是 graphifyy（双 y），注意甄别仿冒包。推荐用 uv 隔离安装：

# 推荐：uv 隔离环境
uv tool install graphifyy

# 备选
pipx install graphifyy
pip install graphifyy

装完执行一次初始化，它会自动识别你用的智能体并注册 Skill：

graphify install

常见报错：Mac/Windows 上 pip install 后命令找不到，多半是 PATH 没包含用户脚本目录，改用 uv tool install 或在 PowerShell 里注意引号转义即可；仍不行可参考官方 Installation 文档。

五、使用示例

在智能体里打开任意项目后输入：

/graphify .

随后即可让智能体基于图谱问答，例如：

graphify: 解释一下支付回调是如何从路由走到对账服务的？

graphify: 找出所有调用了 secrets 模块却没走审计日志的函数。

六、常见问题

Q：graphify 和向量检索 RAG 有什么区别？
A：graphify 用 AST 做确定性关系抽取，边都可溯源；向量检索靠相似度，易产生不存在的链路。两者可互补，graphify 负责“结构”，RAG 负责“语义”。

Q：我的代码会外传吗？
A：代码解析在本地完成，不上传；仅当你配置了文档/媒体语义后端时才会有那部分流量。

Q：项目级安装怎么弄？
A：加 --project 参数（如 graphify install --project），会把 SKILL.md 写到当前仓库的 .claude/skills/ 下，可随仓库提交。

七、总结

graphify 把“理解代码库”从靠人肉通读变成靠可查询的图谱。对长期维护大型代码库的团队，它是给智能体装上“代码地图”的高性价比方案。