深度|给AI编程助手装上知识图谱:Graphify对比Antigravity Skills选哪个

深度｜给AI编程助手装上知识图谱：Graphify对比Antigravity Skills选哪个

【祖师导读】 今天横评两个 GitHub 高星 Claude Code 扩展：Graphify（70.7k星）和 Antigravity Awesome Skills（41.4k星）。两个都是给 AI 编程工具提效的，但根本不是一回事——Graphify 把你的代码库变成可查询的知识图谱，Antigravity 是 1600+ 个可安装的技能包。一个是数据结构化，一个是能力扩展。选哪个，取决于你现在卡在哪里。

两个工具都是 Claude Code 生态里的热门扩展包，都解决"AI 编程助手不知道你项目里有什么"这个问题，

用一个具体场景说清楚区别：

你接手一个三个月没动过的项目，AI 助手要改一个认证模块，它对整个代码库的结构一无所知。

· Graphify** 的做法：先扫一遍代码，构建出所有模块、函数、调用的关系图，然后你问它任何问题，它从图里找答案，而不是每次都重新读文件。

· Antigravity Skills** 的做法：给你 1600+ 个经过验证的技能包，你告诉它要做什么，它调用对应的技能模板，直接生成符合项目规范的代码。

一个是"让 AI 理解你的代码"，一个是"给 AI 装备更好的工具"。

Graphify：把代码库变成可查询的知识图谱

Graphify 的核心功能：/graphify .

在任意目录下运行，它会扫描所有代码文件、文档、截图、甚至 PDF 和图片，用 Claude 的多模态能力提取概念和关系，构建成一个知识图谱。

输出的内容包括：

· graph.html**：可交互的图谱可视化，点击节点、搜索、按社区过滤

· GRAPH_REPORT.md**：核心概念、意外连接、建议查询

· graph.json**：持久化图谱，下次直接查询，不需要重新扫描

· obsidian/**：导出为 Obsidian 笔记库

· wiki**：生成 AI 可读的维基格式，供 Agent 导航

它的 token 效率是个亮点。Andrej Karpathy 有一个 `/raw` 文件夹，存放论文、推文截图和笔记。Graphify 官方的说法是：查询图谱比直接读原始文件的 token 消耗减少了 71.5 倍。

支持的输入类型：

安装方式：

pip install graphifyy && graphify install # 然后在 Claude Code 里运行 /graphify .

进阶用法：

/graphify ./raw --mode deep      # 激进推断关系提取 /graphify ./raw --update         # 只处理改动文件，合并进现有图谱 /graphify ./raw --watch          # 监听文件变化自动同步图谱 /graphify ./raw --neo4j          # 导出为 Neo4j 图数据库格式

一个真实痛点它解决得特别好：当你要在大型代码库里做影响分析，或者想知道"改 A 模块会不会影响 B 模块"，纯读代码很难快速得到答案，图谱能直接给出调用路径。

Antigravity Awesome Skills：1600+ 个经过验证的 AI 技能包

是一整个技能库。

它覆盖 Claude Code、Cursor、Codex CLI、Gemini CLI、Copilot 等多个 AI 编程助手，提供了 1681 个可安装的 `SKILL.md` 技能包，涵盖：规划、编码、调试、测试、安全审查、基础设施、产品工作增长任务等方向。

而是经过结构化设计的可复用技能模板——每个技能都有明确的触发条件、执行步骤、约束条件和输出格式。

核心亮点：

· 多平台支持**：不是只能用在 Claude Code，Cursor、Codex CLI、Gemini CLI 都能装

· Bundle 机制**：按场景打包，比如"Web 开发技能包""安全测试技能包"，一键安装一整套

· 安装简单**：npm 包管理，有 CLI 安装工具，不需要手动复制文件

· 插件式分发**：每个技能独立，可以按需选择，不需要的就不装

而是每天有不同场景——今天写测试、明天做安全审查、后天做基础设施搭建——Antigravity Skills 解决的是"每次都要重新设计提示词"的问题。

两个工具的核心区别

关键区别：Graphify 是给 AI 装备"理解你代码"的能力，Antigravity Skills 是给 AI 装备"更好的工作方法"的能力。两个不冲突，甚至可以一起用——Graphify 负责让 AI 理解项目结构，Antigravity 负责让 AI 在每个具体任务上表现更专业。

适合谁，不适合谁

Graphify 更适合：

· 维护大型代码库或遗留项目的开发者

· 需要做代码审查、影响分析、架构重构的工程师

· 团队知识传承场景——新人接手项目时 AI 能给出结构化概览

· 研究人员——把论文、笔记、截图统一管理成可查询的知识库

Graphify 的局限：

· 每次项目大改需要重新构建图谱（虽然有 --update 增量模式）

· 图谱质量依赖 Claude 的概念提取能力，复杂业务逻辑可能提取不完整

· 不解决"怎么做"的问题，只解决"在哪里"的问题

Antigravity Skills 更适合：

· 日常多任务切换的开发者——今天写前端、明天做后端测试

· 想让 AI 输出更规范、更符合团队标准的团队

· 快速启动新项目或新领域时，需要有经验的结构化指导

Antigravity Skills 的局限：

· 技能包质量参差不齐，1681 个不全是同级别精度的

· 多平台适配意味着某些技能不是为 Claude Code 原生设计的

· 安装太多技能反而会让 Claude Code 启动变慢，需要按需选择

实际组合建议

如果只选一个：

· 项目接手、代码审查、遗留系统维护** → Graphify

· 高频开发任务、提升 AI 输出规范性** → Antigravity Skills

如果两个都装：

两者不冲突，Graphify 负责让你"找到"，Antigravity 负责让你"做好"。在 Claude Code 里，`/graphify` 用来理解项目结构，`@skill` 用来调用特定技能模板，是可以配合使用的两套机制。

感觉有用，点赞分享推荐给更多的人，喜欢点个关注，每日分享更多干货。