Graphify：让 AI 编程助手真正读懂你的代码库

77,869 Stars | 7,698 Forks | Y Combinator S26 | MIT License | Python

---

想象一个场景：你花了两周时间熟悉一个百万行代码的遗留系统，终于理清了模块之间的关系，结果换了个 session，Claude Code 又得从零开始——它会重新读文件、重复提问、给出前后矛盾的方案。这类问题困扰着每一个在大型项目中使用 AI 编程助手的开发者。Graphify 正是为解决这一痛点而生的。

背景：AI 编程助手的「失忆症」

Claude Code、Cursor、Kilo Code、Codex 等 AI 编程助手的工作方式，本质上是将代码库内容注入 LLM 上下文来理解项目。每次开启新对话，AI 必须重新阅读文件、分析依赖关系，这意味着：

• Token 消耗巨大：大型项目每次重新读入需要数万乃至数十万 token
• 上下文窗口被挤压：大量 token 消耗在「回溯历史」而非「解决问题」上
• 理解不连贯：AI 在不同 session 中对同一模块的认知可能存在偏差

Graphify 的作者 Safisham Si 曾在 Y Combinator S26 期间孵化了这个项目，其核心洞察是：与其每次都让 AI 重新读文件，不如提前构建项目的结构化知识表示，让 AI 一启动就能看到完整的代码关系图。

工作原理：三段式处理管线

Graphify 的处理流程分为三个阶段，每个阶段各司其职：

第一阶段：确定性 AST 解析（零 Token 消耗）

利用 tree-sitter 对代码文件进行静态分析，提取函数签名、类定义、导入语句、调用关系和文档字符串。这一阶段完全在本地运行，不需要任何 LLM API 调用。支持 25+ 编程语言，包括 Python、JavaScript、TypeScript、Go、Rust、Java、C/C++、Ruby、C#、Kotlin、Scala、PHP、Swift、Lua、Zig、PowerShell、Elixir、Objective-C、Julia、Verilog、Fortran、Bash、JSON 等。

第二阶段：LLM 语义抽取（一次性 Token 消耗）

对文档、Markdown、PDF、图片和视频文件，Graphify 并行调用 Claude API，从非结构化内容中提取概念、关系和设计动机。这一阶段只在构建图谱时执行一次，后续查询无需重复消耗。

第三阶段：图构建与社区发现

将两个阶段的结果合并到一个 NetworkX 图中，使用 Leiden 社区发现算法基于图拓扑结构自动聚类。关键点在于：聚类完全基于图的拓扑特性，不依赖 embeddings，无需向量数据库。每条关系边被打上置信度标签——EXTRACTED（直接证据，如 import 语句）、INFERRED（合理推断，附置信度分数）或 AMBIGUOUS（有歧义，需人工复核）。

输出产物

运行 /graphify . 后，在 graphify-out/ 目录下生成三个文件：

• graph.html：基于 Pyvis 的可交互图谱可视化，支持节点点击、过滤、社区筛选和搜索
• GRAPH_REPORT.md：人类可读的审计报告，包含 God Nodes（核心节点）、意外连接和推荐查询问题
• graph.json：完整的持久化图谱，可随时查询而无需重新读取原始文件

另外，通过 graphify export callflow-html 可以生成 Mermaid 架构图和调用流图。

性能表现：超越专用记忆系统

Graphify 提供了公开的基准测试数据，在与 mem0、supermemory、BM25、Dense RAG 等系统在相同条件下（同一模型 Kimi K2.6、相同 token 预算、盲审法官验证了一致性）对比：

• LOCOMO 检索召回率：0.497，是 mem0（0.048）的 10 倍以上
• LOCOMO 问答准确率：45.3%，比 mem0 高 18 个百分点
• LongMemEval-S 准确率：76%，与 Dense RAG 并列最佳
• 图谱构建成本：零 LLM credits，因为代码解析完全依赖 tree-sitter
• 内存索引成本：约 1.40 美元（LOCOMO 数据集），是 supermemory（15.67 美元）的 1/11

这些数据来自项目官方 BENCHMARKS.md，法官评分经过 Cohen's kappa 0.81（实质性一致）验证。

技术架构

Graphify 的架构采用模块化流水线设计，核心模块包括：

• detect.py：文件收集与过滤，识别待处理文件
• extract.py：使用 tree-sitter 解析代码 AST，提取节点和边（约 755KB，核心解析引擎）
• build.py：将提取结果合并为 NetworkX 图，执行边合并与剪枝
• cluster.py：Leiden 社区发现算法进行图聚类
• analyze.py：识别 God Nodes、意外连接和待验证假设
• report.py：渲染 GRAPH_REPORT.md 人类可读报告
• export.py：导出为 Obsidian vault、JSON、HTML、SVG 等格式
• serve.py：MCP stdio 服务器，暴露图查询工具给 Claude
• llm.py：语义抽取模块，处理非代码文件的 LLM 调用（约 110KB）

整体是一个 Agent Harness Framework，以 Python 库 + Claude Code Skill 的形式分发。代码结构清晰、模块职责单一，便于扩展新语言提取器。

安全设计

Graphify 特别重视安全设计，主要缓解措施包括：

• SSRF 防护：URL 验证仅允许 http/https，拒绝私有地址和云元数据端点
• 路径遍历防护：MCP 服务器要求图谱文件必须在 graphify-out/ 目录内
• XSS 防护：所有节点标签经 HTML 转义后嵌入 Pyvis
• 提示词注入防护：源代码被包裹在 SHA256 标记的 <untrusted_source> 块中，防止通过文件内容注入恶意指令
• 流式大小限制：下载文件最大 50MB，文本内容最大 10MB

部署方式

Graphify 支持多种部署形态：

方式一：pip 安装（推荐）

pip install graphifyy && graphify install

然后在 Claude Code 中运行 /graphify . 即可。

方式二：Docker 部署

提供官方 Dockerfile，可一键构建镜像并以 HTTP 模式运行 MCP 服务，便于团队共享单一图谱服务器：

# 构建镜像
git clone https://github.com/Graphify-Labs/graphify && cd graphify
docker build -t graphify .

# 启动 MCP HTTP 服务（挂载 graph.json）
docker run -p 8080:8080 -v "$(pwd)/graphify-out:/data" graphify     /data/graph.json --transport http --host 0.0.0.0 --port 8080

方式三：作为 MCP Server 集成到各平台

支持 Claude Code、CodeBuddy、Codex、OpenCode、Kilo Code、Cursor、GitHub Copilot CLI、VS Code Copilot Chat、Aider、Amp、OpenClaw、Factory Droid、Trae、Antigravity 等 20+ 平台。

局限与争议

• 图片 URL 不可验证：在代理环境下，项目中的图片资源（logo-text.svg、graph.png 等）均无法通过 curl 验证，报告不含内嵌图片
• token 节省效果取决于使用场景：官方 71.5x 节省数据来自「一次性将所有文件全部注入上下文」的对比基准，实际单次会话中 Graphify 的 Token 节省约为 7-8%（来自第三方评测），大型长会话项目节省效果更明显
• 图谱更新需要手动触发：/graphify . 不会自动追踪代码变更，需配合 graphify watch 或重新运行命令
• Python 3.10+ 依赖：不支持 Python 3.9 及以下版本

行业意义

Graphify 代表了 AI 编程工具领域的一个重要方向：从「把代码塞给 LLM」转向「让 LLM 学会查询结构化知识」。77,869 颗星和 7,698 个 Fork 表明，它不仅解决了个人开发者的痛点，更在团队协作和长期项目维护场景中找到了自己的生态位。Y Combinator 的背书进一步验证了其商业潜力。

核心创新在于：用确定性的图结构替代不确定的向量相似度，用零成本 AST 解析替代昂贵的全量 LLM 调用，用拓扑聚类替代embedding 相似度。这三条设计决策共同构成了 Graphify 的技术护城河。