还在给 AI 塞整个仓库?这个开源工具把整个文件夹变成了知识图谱

用 LLM 处理大型代码库的开发者，迟早会撞上同一堵墙。

上下文窗口是有限的，但代码库不是。

把源文件一股脑塞进 prompt，祈祷 AI 能理解。

token 暴涨，但理解力却没跟上。

更好的做法是什么？

Andrej Karpathy 最近分享了自己的知识管理方式：把论文、截图、推文全部丢进一个文件夹，用 LLM 编译成 wiki，再用 Obsidian 浏览。

最后他留了一句挑战：

“这里有很大的空间做出一款令人惊叹的产品，而不是一堆拼凑的脚本。”

Graphify 就是冲着这个目标来的。

它的思路完全不同：不是往 AI 嘴里塞原始文件，而是先把你的代码、文档、论文、图片、视频构建成一个持久化、可查询的知识图谱。

然后只把压缩后的子图谱喂给 AI 助手。

最终效果：token 用量降低最多 71.5 倍。

第一步：安装，指向文件夹，完事

Graphify 不需要任何配置。

它不是向量数据库的封装，也不需要搭建复杂的 embedding 流水线。

一行安装：

pip install graphifyy

一行启动：

graphify run .

在项目目录下跑这条命令就行。Graphify 立刻开始扫描文件——不管是代码、PDF、图片还是视频，统统开始构建图谱。

第二步：第一轮——确定性 AST 解析

第一轮处理完全在本地运行，确定性执行。

这个阶段没有任何代码被发送到 LLM API。

Graphify 用 tree-sitter 解析 20 种编程语言的代码。

提取什么？类、函数、import、调用关系图、文档字符串、设计理由注释。

因为这一步是确定性的，所以生成的每条边都带着 EXTRACTED 标签，置信度恒为 1.0。

这些关系是代码结构的忠实映射，不是推测。

第三步：第二轮——本地转写

如果文件夹里有音频或视频文件（比如录播课程、会议录像），Graphify 会在第二轮本地处理中搞定它们。

用 faster-whisper 直接在本机转写，音频数据不会离开设备。

而且转写结果有 SHA256 缓存——只要媒体文件没变，重复运行时这一步瞬间完成。

转写后的文本会进入下一轮提取。

第四步：第三轮——并行 LLM 提取

对于非结构化内容——文档、PDF、图片、以及上一轮生成的转写文本——确定性解析就不够用了。

这时候 Graphify 调用 LLM。

文件被分发给并行运行的 Claude 子代理。

每个子代理读取内容，提取概念、关系和设计理由。

输出严格按 schema 校验后才合并进主图谱。

因为这些关系是 AI 推导出来的，所以标注为 INFERRED，并附带置信度评分。

第五步：知识图谱输出

三轮处理完成后，Graphify 输出一个结构化的、持久化的知识图谱。

输出有三种形式：

• • GRAPH_REPORT.md：人类可读的审计报告，汇总图谱内容，标记需要人工审核的 AMBIGUOUS 边
• • graph.json：机器可读，供 AI 助手查询
• • Obsidian Vault：开箱即用的 wiki，带双向链接，可以像 Karpathy 那样可视化浏览

每条边都携带来源标签：EXTRACTED（确定提取）、INFERRED（AI 推导）、AMBIGUOUS（需要确认）。

永远清楚什么是系统找到的，什么是系统猜的。

第六步：查询图谱

Graphify 真正的威力，在于和 AI 编程助手的集成。

Graphify 内置了 PreToolUse 钩子。

当你问 AI 助手”认证流程是怎么走的？”，这个钩子在助手开始搜索文件之前就触发了。

助手先读取图谱索引，定位相关节点，然后只提取聚焦的子图谱。

不是把 52 个文件丢进上下文窗口，而是拿到一个大概 300 tokens 的高度相关子图。

结构化的上下文让 AI 既准确又省 token。

写在最后

把所有环节串起来看，Graphify 代表的是 AI 助手消费信息方式的一次根本性转变。

核心论点很简单：结构化的、压缩过的、带来源标签的知识图谱，是比原始文件更好的输入表示。

图谱就是上下文窗口。其他一切只是搜索。

想试试？在任意项目文件夹里跑这一行：

pip install graphifyy && graphify run .

建议从一个你已经很熟悉的代码库开始——它生成的图谱会让你收获惊喜。