项目介绍
Graphify 是一个面向代码库理解与跨材料研究的 Agent Skill 和 Python 工具。它用 tree-sitter 在本地抽取代码、SQL 与配置结构，再按需让 Agent 或模型处理文档、PDF、图片和转录文本，最终生成可查询的知识图谱。关系会标记为直接提取、推断或不确定，便于追溯答案来自哪里。
核心功能
多语言结构提取
使用 tree-sitter 与专用解析器从代码、SQL、清单和配置中抽取函数、类型、导入、调用与数据关系，代码阶段不执行被分析源码。
混合语料知识图谱
把代码结构与文档、PDF、图片及本地转录结果合并为同一图，并通过 Leiden 社区发现组织相关节点。
查询、路径与解释
通过 query、path 和 explain 命令检索相关子图、最短路径与节点说明，避免每次都重新读取全部语料。
可审计关系与多格式导出
边记录 EXTRACTED、INFERRED 或 AMBIGUOUS 标签，并可导出 HTML、JSON、SVG、GraphML、Obsidian、Neo4j 与 Wiki 等格式。
安装与使用
先用 uv 安装 PyPI 包 graphifyy，再为目标 Agent 安装对应 Skill；在非敏感测试仓库构建第一张图并用 query 验证。
让 AI Agent 帮你安装
把这段话发送给 Codex、Claude Code 或其他可以操作本地环境的 AI Agent。
请帮我安装并最小验证 Graphify，项目地址：https://github.com/Graphify-Labs/graphify。先阅读 v8 分支的 README.md、pyproject.toml、SECURITY.md、graphify/install.py 和对应宿主 Skill，确认 Python 至少为 3.10、PyPI 包名是 graphifyy，并说明将写入的 Skill、AGENTS.md、宿主配置和 graphify-out 路径。优先执行 `uv tool install graphifyy`；若目标是 Codex 项目级安装，再执行 `graphify install --project --platform codex`，但合并现有 AGENTS.md 或 .codex/hooks.json 前先展示变更并征得确认。不要读取生产密钥或敏感语料。安装后运行版本检查，并在非敏感小型仓库执行 `graphify .`，确认三类默认输出，再执行一次 query。遇到凭据、额外权限、网络暴露、模型上传、数据库连接、Hook 启用或覆盖文件时，先向我确认；最后报告版本、修改文件、验证结果和未验证项。- Python 3.10 或更高版本
- uv 工具管理器，以及其工具目录已加入 PATH
- 对目标项目和 Agent 配置目录的写权限
- 如处理文档或媒体，先确认所用 Agent 或模型提供商的数据边界
uv tool install graphifyy- 1安装 CLI 并核对版本
执行 `uv tool install graphifyy`，确认 uv 的工具目录在 PATH 中，再运行 `graphify --version`。
- 2为 Codex 注册项目级 Skill
在目标项目根目录审查写入范围后执行 `graphify install --project --platform codex`；检查新增或合并的 AGENTS.md、.codex 配置和 Skill 文件。
- 3在非敏感仓库构建知识图谱
进入测试仓库运行 `graphify .`。纯代码仓库会用本地 AST 解析；包含文档或图片时先确认模型与数据边界。
- 4检查输出并提出问题
确认 graphify-out 中生成 graph.html、graph.json 和 GRAPH_REPORT.md，再运行 `graphify query "Where is the main entry point?"` 验证查询链路。
运行 graphify --version 确认 CLI 可用；在一个非敏感小型仓库执行 graphify .，确认 graphify-out/graph.html、graph.json 和 GRAPH_REPORT.md 生成，再运行 graphify query "Where is the main entry point?" 并检查结果引用了图中的节点。
- PyPI 包名是 graphifyy，安装后的命令名是 graphify。
- Codex 中调用 Skill 使用 $graphify；并行语义提取还需在 Codex 配置中启用 multi_agent。
- 纯代码语料可只做本地 AST 提取；处理文档和媒体前先选择符合数据要求的模型后端。
- 仅按需安装 pdf、office、video、mcp、neo4j、ollama 等可选依赖。
使用场景
陌生代码库接手
先建立模块、入口、调用与依赖图，再让 Agent 用局部查询回答架构问题。
代码与文档联合研究
把源码、SQL、设计文档和论文合并，查看实现与说明之间的跨材料关系。
变更后的增量导航
用内容哈希缓存和 update 流程重建变化部分，维持跨会话可查询的项目上下文。
使用评价
基于 README、架构文档、工作原理、安全策略、安装与查询日志源码，Graphify 的优势是把确定性代码结构与可选语义材料放进一个可追溯的图，并提供多宿主 Skill。它仍处于 0.9.x，宿主配置写入、模型数据边界和文档未同步项都值得在采用前审查；本评价不代表已安装实测。
值得一试的地方
- 代码结构本地解析且不执行目标源码，纯代码路径可不依赖模型。
- 关系带来源和置信度标签，查询结果比无出处的摘要更容易复核。
- 安装、架构、安全、示例和多宿主说明较完整，发布迭代活跃。
使用前要知道
- 0.9.x 版本仍可能发生接口和行为变化。
- 非代码语料的语义质量、成本和隐私取决于所选 Agent 或模型后端。
- 查询日志和安全支持版本的文档存在未同步描述，采用时应核对当前源码。
README
Graphify
Overview
把代码、文档、SQL、配置、PDF 和媒体整理为可查询知识图谱的 Agent Skill；代码结构由本地 AST 确定性提取，并保留关系来源与置信度标签。 Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.
Getting started
- 先用 uv 安装 PyPI 包 graphifyy，再为目标 Agent 安装对应 Skill；在非敏感测试仓库构建第一张图并用 query 验证。
- 代码、SQL 和配置主要由本地确定性解析器处理；纯代码语料不需要模型或 API Key。
- 文档、PDF、图片和转录文本进入语义提取阶段，可由当前 Agent、云端模型或本地 Ollama 后端处理。
- 运行 graphify --version 确认 CLI 可用；在一个非敏感小型仓库执行 graphify .，确认 graphify-out/graph.html、graph.json 和 GRAPH_REPORT.md 生成，再运行 graphify query "Where is the main entry point?" 并检查结果引用了图中的节点。
Configuration
uv tool install graphifyy