扔掉RAG吧!这个开源工具用知识图谱把代码库压缩了71倍,AI编码助手终于能"看懂"你的项目了
你有没有遇到过这种情况:把整个项目丢给AI,它要么说"上下文太长",要么回答得驴唇不对马嘴?
Andrej Karpathy(前特斯拉AI总监)有个习惯——维护一个 /raw 文件夹,里面塞满了论文、截图、笔记、推文。这些东西对AI来说就是一座信息迷宫,传统RAG方案要么暴力切块丢精度,要么全量塞入烧token。
现在有个叫 Graphify 的开源项目,用了一个完全不同的思路:把你的代码、文档、论文、甚至截图,全部变成一张知识图谱。
查询效率暴增71.5倍,token消耗断崖式下降。
它到底是什么
Graphify 是一个 Claude Code 技能(skill),你在终端输入 /graphify .,它就会:
• 扫描你指定的文件夹
• 用 Tree-sitter 解析代码AST
• 用 Claude Vision 识别图片、截图、手写笔记
• 用 Leiden 聚类算法发现社区结构
• 输出一张完整的知识图谱
最终产物包括:一个可交互的 HTML 图谱、一份 God Node 分析报告、一个 Obsidian 知识库、甚至可选的 Wiki 百科。
核心能力拆解
全模态输入
不是只支持代码。Python、TypeScript、Go、Rust 等13种语言走AST解析;PDF走引用挖掘;Markdown走概念提取;图片(截图、架构图、白板照片、甚至外文图片)走 Claude Vision。
所有模态的概念最终汇入同一张图,互相连接。
三种边类型,诚实透明
每条边标注为 EXTRACTED(直接提取)、INFERRED(推理得出)或 AMBIGUOUS(存疑)。你知道什么是确凿的,什么是AI猜的。
这比RAG那种"黑箱切块"靠谱得多。
持久化 + 增量更新
图谱保存为 graph.json,几周后再查询不需要重新解析。SHA256 缓存机制确保只处理变更文件。
还支持 --watch 模式——后台实时监听文件变化,代码保存即时重建(纯AST,不调LLM),文档变更则提示你跑一次 --update。
实战数据
在 Karpathy 的 repos + 5篇论文 + 4张图片(共52个文件)的测试中:
• 查询 token 消耗降低 71.5倍
• God Node 分析自动识别出核心概念
• surprising connections 发现了人工难以察觉的跨模态关联
即使只有4个文件的小项目,图谱也能提供结构清晰度——它不是简单的压缩工具,而是帮你"看见"代码之间的关系。
技术栈
• NetworkX — 图构建与查询
• Leiden 聚类(graspologic)— 社区发现
• Tree-sitter — 多语言AST解析
• Claude Vision — 图片理解
• vis.js — 交互式可视化
完全本地运行,不需要 Neo4j,不需要服务器,不需要 API Key(除了 Claude 本身的)。
安装使用
pip install graphifyy && graphify install
然后在 Claude Code 中:
/graphify . # 分析当前目录
/graphify ./raw --mode deep # 深度推理模式
/graphify query "什么连接了attention和optimizer?"
/graphify path "DigestAuth" "Response" # 找两个概念间的路径
还能装 git hook,每次 commit 自动重建图谱。
壹仟辣评
Graphify 切中了一个真实痛点:AI编码助手最大的瓶颈不是模型能力,而是上下文理解。
传统RAG把文档切成碎片,丢失了结构信息。Graphify 反其道而行——先建图,再查询。知识图谱天然保留了概念间的关系,查询时直接走图遍历,而不是暴力匹配。
71.5倍的 token 压缩不是噱头,是结构化的红利。
当然,它目前强依赖 Claude 生态(Claude Code + Claude Vision),如果你用 Cursor 或 Copilot 就得绕个弯。但思路是通用的——知识图谱 + AI编码 这个方向,迟早会成为标配。
项目地址:https://github.com/Graphify-Labs/graphify

