Python Graphify 把代码库变成可查询知识图谱

接手一个陌生的大型代码库，最头疼的不是写代码，而是“搞清楚它到底长什么样”。靠 grep 翻文件、靠人脑记依赖，效率极低。Graphify 的思路是：把整个项目（代码、文档、SQL、PDF）解析成一张可查询的知识图谱，你用自然语言提问，它沿着图谱把来龙去脉讲清楚。

和主流 RAG 不同，Graphify 对代码部分用 tree-sitter 做本地确定性 AST 解析，不调大模型、数据不出本机；文档与 PDF 才用模型。每条边都标注是“源码里明确写的（EXTRACTED）”还是“图谱推断的（INFERRED）”，让你知道哪些结论是实锤、哪些是推测。

项目基本信息

一、项目介绍

Graphify 以 /graphify 技能的形式接入 Claude Code、Cursor、Codex、Gemini CLI 等编码助手。它本地解析代码得到精确图谱，再叠加文档与 PDF 的语义信息，最终生成 graph.html（可交互）、GRAPH_REPORT.md（要点）和 graph.json（完整图谱），随时可查。

二、核心优势

• 代码本地解析，零 API 费用、不出本机。
• 每条关系可解释，区分显式与推断。
• 不是向量库，是真图谱，可追踪两点的路径。
• 30 秒接入，自动注册到你的编码助手。

三、适用场景

• 新人快速理解大型或遗留代码库。
• Code Review 前梳理改动影响面。
• 跨仓库（monorepo）统一检索。

四、安装教程

# 需 Python 3.10+ 与 uv（或 pipx）
uv tool install graphifyy          # 推荐，隔离环境
graphify install                  # 检测助手并注册技能

Windows 用户可先 winget install astral-sh.uv，macOS 用 brew install python@3.12 uv。常见报错：装完提示找不到 graphify，执行 uv tool update-shell 后重开终端即可。

五、使用示例

在助手会话里输入：

/graphify .

生成后查询某个类：

graphify explain "APIRouter"

输出（示意）：

Node: APIRouter
  Source: routing.py L2210
  Connections (47):
    --> RequestValidationError [uses] [INFERRED]
    --> .get() [method] [EXTRACTED]

也可 graphify path "FastAPI" "ModelField" 找最短路径。

六、常见问题

• Q：必须联网吗？ A：代码解析完全离线，仅文档 / PDF 理解用到模型。
• Q：支持哪些助手？ A：Claude Code、Cursor、Codex、Gemini CLI 等。
• Q：大仓库会不会很慢？ A：AST 解析是确定性的，通常很快。

七、总结

Graphify 把“理解代码库”从体力活变成一句提问。对于动辄几十万行的项目，用它先做图谱再动手，比盲目 grep 高效得多。