企业官网建设流程全解析

5分钟graphify初体验：如何在第一个项目上快速生成可查询的知识图谱

【免费下载链接】graphifyTurn 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.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify

graphify 是一款开源的代码知识图谱工具：在 AI 编程助手里输入一条/graphify命令，它就能把整个项目——代码、文档、SQL 表结构、配置文件甚至 PDF——映射成一张可查询的知识图谱，替代翻文件和 grep。本文带你用仓库自带的超小示例项目跑一遍完整流程，逐步拆解第一次运行/graphify时背后发生了什么。

为什么是"图谱"而不是向量检索？

graphify 的设计很克制：代码部分完全用本地 tree-sitter 做确定性 AST 解析，不经过任何大模型，数据不出你的电脑；也不依赖向量数据库，而是构建一张真实的、可以遍历的图。每条边还会打上EXTRACTED（源码中直接存在）或INFERRED（工具推断得出）的置信度标签，读图时你能分清"哪些是读出来的，哪些是猜出来的"。

30秒安装 graphify：两步完成

打开终端，执行两条命令：

uv tool install graphifyy # 或 pipx install graphifyy graphify install # 把 /graphify 技能注册到你的 AI 助手

⚠️ 注意：PyPI 上的包名是graphifyy（双 y），而命令行工具叫graphify（单 y）。

支持 20+ 个 AI 助手：Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot 等，用--platform参数指定，例如graphify install --platform codex。

第一个项目上运行 /graphify 发生了什么

打开你装好的 AI 助手，在示例目录（如worked/example）里输入：

/graphify .

随后 graphify 按**三遍（three passes）**处理文件：

1. Pass 1 — 代码结构（免费，无 API 调用）：tree-sitter 解析代码文件，抽取类、函数、导入、调用关系和内联注释，支持约 40 种语言；SQL 文件还会被确定性地解析出表、视图、外键和 JOIN 关系。如果语料里只有代码文件，后面语义提取直接跳过，token 成本为 0。
2. Pass 2 — 音视频（本地）：用 faster-whisper 本地转写，结果自动缓存，重跑会跳过已处理文件。
3. Pass 3 — 文档/论文/图片（会消耗 token）：并行子代理读取 Markdown、PDF、图片，输出节点与边的 JSON 片段，再合并进同一张图。

每份文件都会做 SHA256 内容指纹缓存（存放在graphify-out/cache/），第二次运行时没改动的文件会直接跳过。

你会得到什么：graphify-out 目录下的三个文件

graphify 把 FastAPI 代码库映射成的交互式知识图谱，右侧图例是按 Leiden 算法检测出的"社区"（子系统）：

怎么读第一份图谱报告：以 6 文件示例为例

仓库里有一个合成示例项目worked/httpx/（6 个 Python 文件），实际输出是144 个节点、330 条边、6 个社区，提取占比 53% EXTRACTED / 47% INFERRED，token 成本为 0。报告worked/httpx/GRAPH_REPORT.md里有几块特别值得看：

• God Nodes（枢纽节点）：连接数最多的核心抽象。示例中前几名是Client（26 条边）、AsyncClient、Response——一眼看出整个架构围绕哪些概念运转。
• Surprising Connections（意外连接）：比如Timeout --uses--> BaseTransport这种你"没想到会连上"的跨文件关系，每条都标注了来源文件和置信度。
• Suggested Questions：图会自动建议值得追问的问题，例如"为什么Client同时连接 4 个社区？它是跨社区桥梁节点"。

对于小项目，图的价值在于结构清晰度：依赖关系、枢纽模块、文档与代码的对应关系，一屏看全。

建好图之后：用三个命令代替 grep

图建好后，日常提问直接对着graph.json走：

• graphify query "问题"：用自然语言提问，返回一个范围受控的子图
• graphify path "FastAPI" "ModelField"：追踪任意两个概念之间的最短路径（示例中为 3 跳）
• graphify explain "APIRouter"：解释一个概念——来源文件行号、所属社区、连接数、全部连边

官方 README 中演示的输出：FastAPI --uses--> DefaultPlaceholder <--references-- get_request_handler() --references--> ModelField，每一步都有据可查。

新手常见坑，一次说清

下一步：挑个示例项目亲手跑一遍

想立刻验证效果，可以克隆仓库，里面有可直接复现的示例：

git clone https://gitcode.com/GitHub_Trending/graph/graphify

推荐先试worked/example/（7 个文件、两种语言的迷你文档管线，含 architecture.md 风格的架构说明），跑完后向 AI 助手提问"什么直接调用了 storage？""parser 和 processor 之间的最短路径是什么？"。完整工作原理、社区检测算法和图格式说明，见文档 docs/how-it-works.md（docs/how-it-works.md）。

小结

5 分钟你完成了：安装 CLI（graphifyy）、注册技能（graphify install）、运行/graphify .，并收获了三个文件：可点选的graph.html、有洞察的GRAPH_REPORT.md、可随时查询的graph.json。代码建图免费、本地、确定性强，每条边都解释得清——把 grep 换成图查询，这就是 graphify 给第一个项目带来的变化。🚀

【免费下载链接】graphifyTurn 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.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify