企业官网建设流程全解析

graphify 的额外导出通道全解析：Wiki、Neo4j、FalkorDB、SVG、GraphML、MCP 服务器与 token 缩减基准

【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 在构建出graphify-out/graph.json之后，真正的"知识分发"才刚刚开始。本文基于仓库中graphify/skills/copilot/references/exports.md这份导出参考文档展开，逐条讲清--wiki、--neo4j、--neo4j-push、--falkordb、--falkordb-push、--svg、--graphml、--mcp八个导出标志各自触发的步骤、完整命令与参数默认值，并结合 CLI 入口、导出实现、图数据库推送器 与 基准模块 的源码，解释每个通道的底层机制（MERGE 幂等写入、Cypher 注入防护、社区数据重建、token 估算模型），帮助你在拿到一个可查询知识图谱后，把它安全、可重复地投递到 Neo4j / FalkorDB 图数据库、Obsidian 之外的 Markdown Wiki、Gephi 等可视化工具，或让 MCP 客户端实时查询图。

导出参考文档的定位：按标志触发、互不干扰

exports.md 是/graphify技能流程中的一份条件加载参考。它的开头明确了加载时机：当用户在原始命令中传入了某个导出标志（--wiki、--neo4j、--neo4j-push、--falkordb、--falkordb-push、--svg、--graphml、--mcp）之一，或语料规模大到值得跑 token 缩减基准时，才加载该文档。每个步骤只为自己对应的标志运行，传了哪个标志就执行哪一段——这与 CLI 中export分支的subcmd分发结构完全一致：html、callflow-html、obsidian、wiki、svg、graphml、neo4j、falkordb每个子命令走各自的实现函数，不会连带执行其他导出。

整份文档覆盖了构建流程的 Step 6b 到 Step 8 五个阶段，下表是完整的"标志 → 步骤 → 命令"映射：

Step 6b：Wiki 导出（仅--wiki）

文档给出的操作只有一行：

graphify export wiki

但文档特别强调了两条执行约束，这里结合源码逐一印证：

1. 必须在 Step 9（清理）之前运行，因为此步骤依赖graphify-out/.graphify_labels.json中尚存的社区标签。在 CLI 的 wiki 分支 中，labels正是从该文件加载后传入to_wiki的。
2. 社区数据是硬前置。CLI 在导出前会检查.graphify_analysis.json：若缺失或其中没有任何社区，直接报错退出——"refusing to export wiki to prevent data loss"，并提示先运行graphify extract .（或graphify cluster-only .）重新生成社区数据（cli.py#L2877-L2883）。若分析文件里缺少 god nodes 数据，还会调用analyze.god_nodes现场补算。

成功时输出形如：Wiki: N articles written to graphify-out/wiki/，其中wiki/index.md被明确标记为 agent 入口——也就是说 Wiki 导出物不仅给人读，也给后续接入的 AI agent 当作索引用。

Step 7：Neo4j 导出（--neo4j或--neo4j-push）

文件模式：--neo4j生成 Cypher 导入脚本

graphify export neo4j

该模式调用to_cypher生成graphify-out/cypher.txt，每行一条语句，头部注释标明由/graphify生成：

• 节点语句：MERGE (n:<FileType> {id: '...', label: '...'});，节点标签取自file_type属性（如Code、Document）；
• 边语句：MATCH (a {id: '...'}), (b {id: '...'}) MERGE (a)-[:<RELATION> {confidence: '...'}]->(b);，关系类型取自边的relation属性并大写，confidence（EXTRACTED / INFERRED / AMBIGUOUS）作为关系属性一并写入。

CLI 打印的后续操作提示是：cypher.txt written - import with: cypher-shell < graphify-out/cypher.txt。

从源码看有两处值得一提的健壮性设计：

• 注入防护：_cypher_escape转义\、'、换行（\\n/\\r），并剥离 C0 控制字符——注释中明确记录了此前\n/\r会让恶意标签"跳出语句行、在下一行注入一条新的 MATCH/DELETE"的 F-008 缺陷；_cypher_label则对标识符位置（Cypher 中不可加引号的:Label与关系类型）做白名单过滤，只保留[A-Za-z0-9_]且必须以字母开头，否则回退为Entity/RELATES_TO。
• MERGE 语义：全部语句使用MERGE，因此重复导入不会产生重复节点或边——这与文档"Uses MERGE - safe to re-run without creating duplicates"的说法一致。

推送模式：--neo4j-push <uri>直连实例

graphify export neo4j --push bolt://localhost:7687 --user neo4j --password PASSWORD

默认 URI 为bolt://localhost:7687，默认用户为neo4j（cli.py#L2663 中push_user = "neo4j"即为默认值）。若未提供凭据，参考文档要求 agent 先向用户询问。

推送由push_to_neo4j实现，要点：

• 依赖neo4jPython 驱动（缺失时明确提示pip install neo4j）；
• 节点属性只保留标量值（str/int/float/bool）并剔除下划线开头的内部字段，id作为合并键，社区 ID（community）一并写入，因此MATCH ... MERGE (a)-[r:REL]->(b) SET r += $props天然幂等；
• 返回{"nodes": N, "edges": M}计数，CLI 打印为Pushed to Neo4j: N nodes, M edges。

一个文档未展开、但源码中可确认的安全细节：CLI 在解析参数时优先读取环境变量NEO4J_PASSWORD（见 cli.py#L2664-L2671），--password显式传入才覆盖它——目的是避免密码出现在ps进程列表和 shell 历史里。推送模式下密码是必需的（否则报错--password required for --push）。

Step 7a：FalkorDB 导出（--falkordb或--falkordb-push）

文件模式：--falkordb生成可移植 Cypher

graphify export falkordb

产出同样是graphify-out/cypher.txt，但文档给出了一条重要的使用边界：语句是 OpenCypher，而 FalkorDB 的GRAPH.QUERY一次只能执行一条语句——没有 Neo4jcypher-shell那样的批量脚本导入通道。因此文档建议把文件模式仅当作"想要一份可移植cypher.txt制品"时的选择，实际建图应优先用推送模式。CLI 在非推送模式下打印的提示与之一致（cli.py#L2926-L2929）。

推送模式：--falkordb-push <uri>

graphify export falkordb --push falkordb://localhost:6379

参数默认值（文档与push_to_falkordb的 docstring 互相印证）：

• 默认 URI：falkordb://localhost:6379。scheme 只是信息性的——实现里用urlparse只取 host 和 port，所以redis://localhost:6379甚至裸的host:port都等价，默认端口 6379；
• 认证可选：FalkorDB 默认无凭据运行，所以文档写明"仅当实例要求认证时才向用户询问"。源码中只有提供了 password 才会发送 username（避免把 Neo4j 风格的默认用户名neo4j传给 FalkorDB 被当作未知 ACL 用户拒绝），URI 中内嵌的凭据优先于命令行参数；
• 目标图名默认graphify，通过db.select_graph(graph_name)选中，同一实例内按图名隔离多张图；
• 依赖falkordbPython SDK（缺失时提示pip install falkordb）。

写入语句与 Neo4j 通道完全相同（MERGE (n:...) SET n += $props/MATCH ... MERGE (a)-[r:REL]->(b) SET r += $props），因为 FalkorDB 兼容 OpenCypher，因此重复推送安全、不会产生重复。密码同理支持FALKORDB_PASSWORD环境变量以避开 argv。

Step 7b：SVG 导出（--svg）

graphify export svg

产物为graphify-out/graph.svg。从to_svg的实现看，它的定位是轻量、可嵌入、零 JavaScript的静态图：

• 使用 matplotlib（Agg 后端）+ NetworkX 的 spring layout（seed=42保证布局可复现），画布默认 20×14 英寸、深色背景；
• 节点大小随度数缩放（300 + 1200 * degree/max_degree），节点颜色按社区取自与 HTML 输出一致的COMMUNITY_COLORS调色板；
• 边的样式编码置信度：EXTRACTED为实线、alpha=0.6，其他置信层级为虚线、alpha=0.3——即图的每个元素都保留其证据强度；
• 若存在社区标签，图左上角附图例（社区名 + 成员数）。

依赖 matplotlib，未安装时会抛出带安装指引的ImportError（pip install matplotlib）。CLI 成功提示为：graph.svg written - embeds in Obsidian, Notion, GitHub READMEs。

Step 7c：GraphML 导出（--graphml）

graphify export graphml

产物为graphify-out/graph.graphml，可用 Gephi、yEd 或任何 GraphML 兼容工具打开。to_graphml中值得了解的实现细节：

• 社区 ID 以节点属性community写入，Gephi 可据此按社区着色；边的confidence属性原样保留；
• 内部标记（_前缀的属性，如 AST 来源标签_origin、方向恢复用的_src/_tgt）在导出前被剥离——它们是实现细节而非图数据，不应泄漏到外部工具；
• 由于nx.write_graphml只接受标量属性，None被强制为""、dict/list 被序列化为 JSON 字符串，且所有字符串经过_strip_xml_illegal清理 XML 1.0 非法控制字符（注释中举了真实案例：从终端粘贴的 markdown 标题带着 ANSI 转义，曾让整次导出失败）；
• 写入采用"临时文件 +os.replace"的原子写模式，避免序列化中途出错留下 0 字节的.graphml被下游工具误认为完整导出物。

Step 7d：MCP 服务器（--mcp）

$(cat graphify-out/.graphify_python) -m graphify.serve graphify-out/graph.json

这一步启动一个stdio MCP 服务器，把已构建的知识图谱变成可被其他 agent 实时查询的"工具集"。serve.py 中按源码确认的七个核心工具与文档一一对应：query_graph（按问题检索子图）、get_node（查节点详情）、get_neighbors（邻居展开）、get_community（社区视角）、god_nodes（高连通度关键节点）、graph_stats（图规模统计）、shortest_path（两节点间路径）。源码中还可见list_prs、get_pr_impact、triage_prs等 PR 相关工具函数，供有 GitHub 场景的部署使用。

两个关键参数的来龙去脉：

• $(cat graphify-out/.graphify_python)是什么：/graphify技能在初始化阶段解析出可用的 Python 解释器后，会将其绝对路径写入graphify-out/.graphify_python（见 skill-agents.md#L98 中的写法：open('graphify-out/.graphify_python', 'w').write(sys.executable)）。后续所有步骤都用$(cat ...)替换python3，保证命令跑在正确环境里。hooks.py 也依赖同一文件做解释器探测。
• 为什么 Claude Desktop 配置必须写绝对路径：Claude Desktop 不会执行 shell，$(...)不会生效；且通过uv tool install安装时系统python3无法import graphify。因此文档给出的claude_desktop_config.json片段要求把command设为cat graphify-out/.graphify_python打印出来的绝对解释器路径，args中放-m graphify.serve与绝对路径的graph.json：

{ "mcpServers": { "graphify": { "command": "<absolute path from: cat graphify-out/.graphify_python>", "args": ["-m", "graphify.serve", "/absolute/path/to/graphify-out/graph.json"] } } }

配置完成后，Claude Desktop 或任何支持 MCP 的 agent 编排器即可实时查询该项目的知识图谱。从 serve.py 的加载逻辑 看，服务器启动时会校验.json后缀与文件存在性、执行文件大小上限检查、把links/edges两种边键形态归一化，并对旧版节点 ID 方案给出重建提示——也就是说 MCP 通道复用了与 CLI 查询相同的安全边界。

Step 8：Token 缩减基准（total_words > 5000时）

若graphify-out/.graphify_detect.json中的total_words大于 5000，运行：

graphify benchmark

并把输出直接打印到聊天中；total_words <= 5000时静默跳过——文档给出的理由值得记住：对小语料，图谱的价值在于结构性清晰度，而不是 token 压缩。

CLI 的 benchmark 分支 的取数路径：读取 detect 输出中的total_words作为语料规模，交给run_benchmark计算。benchmark.py 的测量模型完全可考：

• 语料侧：按"100 词 ≈ 133 token"的近似把corpus_words折算为 token 数，代表"把整个语料塞进上下文"的朴素成本；
• 查询侧：内置 5 个样板问题（"how does authentication work"、"what is the main entry point" 等），对每个问题先按词项在节点 label 上打分取 top-3 起始节点，再沿边做 3 层 BFS 展开子图，按 4 字符/token 估算该子图注入上下文的 token 量；
• 报告：print_benchmark输出语料 token 总数、图的节点/边数、单次查询平均 token、整体缩减倍数（N× fewer tokens per query）以及逐问题的缩减比。

这一步的意义在于：它为"知识图谱替代全量上下文"的做法提供了一个可重复、可量化的对照数字，而不是营销口径——所有比例都由当前图的实测查询成本算出。

实操要点与前置条件汇总

结合参考文档与源码，使用这些导出通道时值得核对的前提与边界：

1. 一切以graph.json存在为前提：export各子命令的图路径默认为graphify-out/graph.json，找不到会报error: graph not found ... Run /graphify <path> first.并退出（cli.py#L2750-L2752）；--graph PATH可显式指定，此时--labels未显式给出会自动取同目录的.graphify_labels.json。
2. 社区数据的兜底机制：若.graphify_analysis.json缺失，CLI 会从graph.json节点上的community属性现场重建社区字典，使wiki、svg、graphml、neo4j等通道不至于静默产出退化产物；但wiki通道即使有重建也会因分析文件缺失而拒绝执行（防数据丢失）。
3. 幂等与可重入：Neo4j 与 FalkorDB 的 push 通道、cypher.txt文件通道全部基于 MERGE，可安全重复执行；graph.json本身的写出路径另有 #479 防静默缩水保护（to_json 在新图节点数少于旧图时拒绝覆盖），导出操作不会与构建操作互相踩踏。
4. 凭据管理：推送类命令支持NEO4J_PASSWORD/FALKORDB_PASSWORD环境变量替代--password，避免密码进入 argv；Neo4j push 必须提供密码，FalkorDB push 凭据可选。
5. 可选依赖：neo4j 通道需pip install neo4j，falkordb 通道需pip install falkordb，svg 通道需pip install matplotlib，缺失时均有明确的报错指引。
6. 执行顺序：--wiki必须在清理步骤之前跑，以保住.graphify_labels.json；基准步骤只在语料超过 5000 词时值得运行，小语料跳过是刻意设计。

这套"一标志一通道"的导出设计，让同一个确定性 AST 知识图谱可以按下游工具的消费习惯各取所需：图数据库拿 Cypher、Markdown 工具链拿 Wiki、浏览器/README 拿 SVG、Gephi 拿 GraphML、agent 编排器拿 MCP 工具接口——而每条通道的写入都是幂等、防注入、可重复执行的。

【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