Graphify：把整个代码仓库变成一张可查询的知识图谱，87k stars，YC S26

GitHub：Graphify-Labs/graphify · ⭐ 87,000+
PyPI：graphifyy（双 y）
孵化：YC S26（有望成为第 5 个突破 100k stars 的 YC 开源项目）

---

用一句话说清楚

你的 AI 编程助手（Claude Code、Cursor、Codex……）理解代码库的方式是：一遍遍重读文件。

/graphify . 之后，它的方式变成：查询一张图。

这张图知道 APIRouter 连接着哪 47 个节点，知道 FastAPI 到 ModelField 的最短路径只需 3 跳，知道哪些文件有不为人知的跨模块依赖——而这些关系，在你读文件的时候几乎不可能一次看见。

---

不是向量索引，是真正的图

这是 Graphify 和大多数「代码库 RAG」方案的根本区别。

大多数方案：把代码切片、embedding、存进向量库，查询时做相似度搜索。这本质上是语义搜索——它能告诉你「这段代码跟你的问题相关」，但不能告诉你「这个函数被哪些模块调用」「改这里会影响什么」。

Graphify：用 tree-sitter AST 解析代码，在本地构建一张真正的图（节点 = 概念，边 = 关系）。查询时遍历图路径，不是向量近邻搜索。

每条边都标注了置信标签：

• EXTRACTED：关系明确写在源码里（imports、calls、inherits）
• INFERRED：由 Graphify 解析推断（隐式依赖、跨文件引用）
• AMBIGUOUS：有多种解释，明确标出

你始终知道哪些关系是读出来的，哪些是猜的。

---

30 秒开始

# 安装（推荐 uv，隔离环境）
uv tool install graphifyy

# 注册 Skill 到你的 AI 助手
graphify install

# 在你的 AI 助手里输入
/graphify .

完成后，graphify-out/ 目录里出现三个文件：

文件	用途
graph.html	在浏览器里打开，力导向图可视化，节点可点击、可过滤、可搜索
GRAPH_REPORT.md	重点摘要：God nodes、意外连接、设计决策、建议问题
graph.json	完整图数据，所有查询都基于它

代码解析完全本地，零 API 调用，没有任何东西离开你的机器。

---

五种查询方式

一旦图建好，你可以用这些方式查询（在 AI 助手里，或直接用 CLI）：

# 提问（返回相关子图）
/graphify query "authentication 和 database 是怎么连接的？"

# 路径追踪（两个概念之间最短路径）
/graphify path "FastAPI" "ModelField"
# → FastAPI --uses--> DefaultPlaceholder <--references-- get_request_handler() --references--> ModelField

# 概念解释（节点详情 + 所有连接）
/graphify explain "APIRouter"
# → Node: APIRouter, Source: routing.py L2210, Degree: 47, Connections: ...

# 增量更新（只更新改动的文件）
/graphify ./docs --update

# 添加论文/视频
/graphify add https://arxiv.org/abs/1706.03762
/graphify add <youtube-url>

---

能处理什么文件

Graphify 的「代码库」定义非常宽泛：

代码（36 种 tree-sitter 语法）：Python、TypeScript、JavaScript、Go、Rust、Java、C/C++、CUDA、Metal、Ruby、C#、Kotlin、Scala、PHP、Swift、Lua、Zig、PowerShell、Elixir、Julia、Vue、Svelte、Astro、SQL 等。跨文件的 calls/imports/inherits/mixes_in 关系全部自动解析。

配置与 Schema：Terraform/HCL、SQL Schema（含 PostgreSQL 实时内省）、MCP 配置（mcp.json、claude_desktop_config.json）、包清单（pyproject.toml、go.mod、pom.xml）。

文档与媒体：Markdown、HTML、RST、YAML、PDF、Word/Excel、图片（PNG/JPG/WebP）、视频/音频（faster-whisper 转录）、YouTube 链接。

Google Workspace：Google Docs、Sheets、Slides（需要 gws 认证）。

注意：代码用 tree-sitter 本地解析，不调用 API。文档和媒体需要调用你 AI 助手的模型 API（或自配 API Key）。

---

基准测试

在 LOCOMO（300 个问题的长期记忆 QA）和 LongMemEval-S（50 个问题）上的结果：

测试集	指标	Graphify	mem0	supermemory	dense RAG
LOCOMO (n=300)	recall@10	0.497	0.048	0.149	—
LOCOMO (n=300)	QA 准确率	45.3%	27.3%	49.7%	—
LongMemEval-S (n=50)	QA 准确率	76%	—	—	76%
图构建	LLM 费用	0	按 token	按 token	按 token

两个关键发现：

1. 图遍历在 recall@10 上远超向量方案（0.497 vs 0.048/0.149）
2. QA 准确率与 dense RAG 持平，但构建图不需要 LLM 费用

（评测方法：两位 judge 独立评分，Cohen’s kappa 0.81，确保客观性。）

---

20+ 平台一键接入

# 自动检测当前环境并安装
graphify install

# 指定平台
graphify install --platform codex
graphify cursor install
graphify install --platform gemini
graphify install --platform kimi

支持的平台（完整列表）：Claude Code、Cursor、Codex、OpenCode、Gemini CLI、GitHub Copilot CLI、VS Code Copilot Chat、Aider、OpenClaw、Kilo Code、Amp、Trae、Kimi Code、Factory Droid、Hermes、Pi、Devin CLI、Google Antigravity……

每个平台安装后，AI 助手会优先查图而不是反复读文件——Claude Code 和 Codex 用 PreToolUse hook 拦截文件读取操作，Cursor 用 alwaysApply: true 规则。

---

团队使用：把图提交进 git

Graphify 的设计理念是图应该被 commit 进版本库，让整个团队共享：

# 一次性构建，提交
/graphify .
git add graphify-out/
git commit -m "init: graphify knowledge graph"

# 之后每次 commit 自动重建（只重建改动的文件，零 API 费用）
graphify hook install

多人同时修改代码时，git merge 会自动 union-merge 两份 graph.json（不会出现 conflict markers）。

---

PR 看板：图辅助代码审查

这是一个有意思的功能：

# PR 看板（CI 状态、Review 状态、Worktree 映射）
graphify prs

# 深入分析 PR #42 的图影响范围
graphify prs 42

# AI 排序你的 Review 队列（按重要性）
graphify prs --triage

# 找出共享图社区的 PR（合并顺序风险）
graphify prs --conflicts

graphify prs 42 会告诉你这个 PR 改动的代码节点，在知识图谱里会影响哪些其他节点——这是比「看 diff」更立体的代码审查视角。

---

进阶：Neo4j / FalkorDB 推送 + MCP Server

# 推送到 Neo4j（可视化、Cypher 查询）
uv tool install "graphifyy[neo4j]"
graphify export neo4j --uri bolt://localhost:7687

# 启动 MCP stdio server（让任何 MCP 客户端都能查询图）
uv tool install "graphifyy[mcp]"
graphify mcp serve

MCP server 让你可以把整个代码库的知识图谱作为工具暴露给任何 AI 工具——不只是 coding assistants，也可以是自定义 Agent。

---

为什么 87k stars？

Graphify 在 7 月中旬单日 trending 1,623 stars，总 stars 87k+，几乎肯定要成为 YC 史上第 5 个突破 100k stars 的开源项目。

驱动力是一个真实痛点被真实解决了：

AI 编程助手的瓶颈不是模型能力，而是上下文。一个 10 万行的代码库，模型无法在一个对话窗口里全部读完——所以它只能每次读你给它的几个文件，靠猜来填补空白。

Graphify 把「读文件」换成「查图」：图一次构建，永久可查；每次对话只需要传相关子图，不是整个代码库。这是根本性的效率提升，解释了为什么开发者会第一次用完就去 GitHub 点 star。

---

一句话总结

输入 /graphify .，30 秒后你的 AI 助手就有了整个代码库的知识图谱。查关系不用 grep，问路径不用读文件，改代码知道影响范围。tree-sitter 本地解析，代码零 API 费用，支持 20+ AI 工具。87k stars，YC S26。

© 2026 Author: Mycelium Protocol

Graphify: Your Codebase as a Queryable Knowledge Graph

GitHub: Graphify-Labs/graphify · ⭐ 87k+
Install: uv tool install graphifyy (double-y on PyPI)
Backed by: YC S26

The Core Shift

AI coding assistants understand your codebase by re-reading files. Graphify changes that to querying a graph.

One command: /graphify .
Result: three files — graph.html (interactive browser visualization), GRAPH_REPORT.md (key findings), graph.json (full graph for querying).

Not a Vector Index

This is the key differentiator. Most “codebase RAG” tools: chunk → embed → vector store → similarity search. They find semantically related code but can’t tell you “what calls this function” or “what would break if I change this.”

Graphify: tree-sitter AST parsing → real graph (nodes = concepts, edges = relationships). Graph traversal, not nearest-neighbor search. Every edge tagged EXTRACTED (explicit in source) or INFERRED (resolved). You always know what was found vs. inferred.

Zero API Calls for Code

Code is parsed entirely locally with tree-sitter — no LLM, nothing leaves your machine. Only docs/PDFs/images/video need an API call.

Query Examples

/graphify query "how does auth connect to the database?"
/graphify path "FastAPI" "ModelField"
# → FastAPI --uses--> DefaultPlaceholder <--references-- get_request_handler() --references--> ModelField (3 hops)
/graphify explain "APIRouter"
# → Source: routing.py L2210 · Degree: 47 · Connections: ...

Benchmarks

Test	Metric	Graphify	mem0	supermemory
LOCOMO (n=300)	recall@10	0.497	0.048	0.149
LongMemEval-S (n=50)	QA accuracy	76%	—	—
Build cost	LLM credits	0	per-token	per-token

20+ Platforms

graphify install           # auto-detect Claude Code
graphify cursor install    # Cursor
graphify install --platform codex  # Codex
graphify install --platform gemini # Gemini CLI

Claude Code and Codex use PreToolUse hooks to intercept file reads and redirect to graph queries. Cursor uses alwaysApply: true rules.

Team Setup

git add graphify-out/ && git commit   # share graph with team
graphify hook install                  # auto-rebuild on every commit (zero API cost)

Two devs committing in parallel: graph.json gets union-merged automatically, no conflict markers.

PR Dashboard

graphify prs 42         # graph impact of PR #42
graphify prs --triage   # AI-ranked review queue
graphify prs --conflicts  # PRs sharing graph communities (merge-order risk)

Why 87k Stars

The bottleneck for AI coding assistants isn’t model capability — it’s context. A 100k-line codebase doesn’t fit in one context window. Graphify replaces “read files” with “query graph”: built once, queryable forever, only relevant subgraphs passed per conversation. That’s a fundamental efficiency win, which is why developers star it immediately after first use.

On track to become the 5th YC open-source project ever to hit 100k stars.

© 2026 Author: Mycelium Protocol