12天26000星!这个开源工具让AI理解你的一切代码

Graphify是GitHub爆火的AI知识图谱工具，12天斩获26000星。输入任意代码/文档/图片，自动构建可查询的知识图谱，Token消耗降低71倍。

你有没有这种感觉？

面对一个新项目，想找到某个函数在哪里，却发现代码库太大，根本找不到。

或者想搞清楚「Attention 机制」和「优化器」之间有什么联系，但它们分布在不同的文件里，你只能一个一个文件去翻。

这不是你的问题——是工具的问题。

Graphify 解决了这个痛点。

什么是 Graphify？

简单说：Graphify = 给代码装上导航

它是 GitHub 上最近爆火的一个 AI 工具，输入任意代码、文档、图片，它就能自动构建一个可查询的知识图谱。

输入：代码文件、PDF 论文、截图、图片
输出：结构化的知识图谱 + 可视化界面

4月3日发布，到今天（4月15日）已经 26,107 Stars。12天破26000星，比 gbrain 还猛。

它能做什么？

1. 自动理解代码结构

不只是文本搜索——Graphify 用 tree-sitter 解析代码 AST（抽象语法树），理解：

函数调用关系
类继承结构
模块依赖关系

2. 多模态理解

支持处理：

类型	格式	处理方式
代码	.py .ts .js .go .rs	AST 解析 + 调用图
文档	.md .txt .rst	Claude 提取概念和关系
论文	.pdf	引用挖掘 + 概念提取
图片	.png .jpg .webp	Claude Vision 理解

3. 构建知识图谱

自动生成：

God Nodes：高度连接的概念（所有内容的枢纽）
Surprising Connections：意外的关联（代码-论文边权重更高）
Suggested Questions：图谱能回答的问题
Token Benchmark：Token 消耗对比

4. 可视化界面

输出 graph.html，可以：

点击节点查看详情
搜索关键词
按社区过滤
社区发现（Leiden 算法）

核心亮点：71倍 Token 压缩

这是最炸的数据。

在 Karpathy 的代码库 + 5 篇论文 + 4 张图片的混合语料上测试：

查询方式	Token 消耗
读取原始文件	1,000,000
Graphify 查询	14,000
压缩比	71.5x

也就是说，你问一个问题，AI 只需要处理原来 1/71 的 Token，效果还更好。

原因：Graphify 把知识预先提取并结构化了，AI 只需要读图谱，不需要读原始文件。

使用方式

安装

pip install graphifyy && graphify install

PyPI 包临时命名为 graphifyy，因为 graphify 名字还在申诉中。CLI 命令仍然是 graphify。

基本用法

# 在当前目录运行/graphify .# 指定文件夹/graphify ./raw# 深度模式（更激进的边提取）/graphify ./raw --mode deep# 增量更新（只处理修改过的文件）/graphify ./raw --update

查询

# 自然语言查询/graphify query "what connects attention to the optimizer?"# 路径查找（两节点间的最短路径）/graphify path "DigestAuth""Response"# 概念解释/graphify explain "SwinTransformer"

自动同步

# 监听文件变化，自动更新图谱/graphify ./raw --watch

代码文件保存 → 立即重建（仅 AST）文档/图片修改 → 通知你运行 --update

Git Hook

# 安装 post-commit hookgraphify hook install

每次 git commit 后自动重建图谱，无需后台进程。

导出格式

--svg      # 导出 graph.svg--graphml  # 导出 graph.graphml (Gephi, yEd)--neo4j    # 生成 Neo4j 的 cypher.txt--mcp      # 启动 MCP stdio 服务器

输出结构

graphify-out/├── graph.html       # 可视化图谱（点击、搜索、过滤）├── obsidian/        # Obsidian 笔记库├── wiki/            # Wiki 风格文章（--wiki 生成）├── GRAPH_REPORT.md  # 报告（God Nodes、关联、问题）├── graph.json       # 持久化图谱（可随时查询）└── cache/           # SHA256 缓存（只处理变化的文件）

技术栈

图计算：NetworkX + Leiden (graspologic)
代码解析：tree-sitter
AI：Claude（概念提取 + Vision）
可视化：vis.js
运行：完全本地，无需 Neo4j，无需服务器

为什么这么火？

1. 解决了真问题

代码库越来越大，但搜索工具还是20年前的。Graphify 用知识图谱的方式重新组织信息。

2. 数据说话

71.5x Token 压缩不是营销话术——有公开的测试结果和原始文件可以验证。

3. 多模态支持

不只是代码，PDF、图片、截图都能理解。Karpathy 的工作流直接被实现了。

4. 和现有工具互补

Obsidian 笔记、Claude Code、OpenClaw 都能集成。

适合谁？

强烈推荐：

接手大型代码库不知道怎么下手
想理解复杂项目结构和依赖关系
研究论文+代码对照看
用 AI Agent 处理复杂任务

可能不适合：

小项目（几个文件直接读就行）
不想折腾配置的用户

和 gbrain、llm-wiki 的关系

项目	Stars	定位
Graphify	26,107	代码/文档 → 知识图谱
gbrain	6,264	AI 记忆脑（联系人/事件）
llm-wiki	1,248	文档 → 结构化 Wiki

三者解决的问题类似，但侧重点不同。Graphify 专注代码和知识发现。

GitHub：https://github.com/safishamsi/graphify^[1]

Stars：26,107（持续增长中）

让你的代码自己说话。

引用链接

[1]https://github.com/safishamsi/graphify