graphify 30秒上手教程从零安装到生成第一张知识图谱【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/graphifygraphify 是一款开源的代码知识图谱工具能把任意代码库连同文档、SQL 表结构、配置文件和 PDF 一起变成一张可查询的知识图谱。它不依赖向量数据库完全用本地 AST 解析代码每一条连接都附带来源解释。本教程面向新手带你用最短路径完成 graphify 知识图谱工具的安装并生成你的第一张可视化图谱。一、为什么需要 graphify 知识图谱想象一下这样的场景你刚接手一个几十万行的老项目想知道认证模块和数据库是怎么连起来的。传统做法是反复搜索、跳文件、猜结构既慢又容易漏。graphify 的思路完全不同先把整个项目建成一张图谱之后你问问题、查路径、看解释都是直接查图而不是重新翻文件。它有三个特别值得新手关注的特点️图谱而非向量索引——不是 embedding 相似度堆出来的黑盒而是一张真正可以遍历的图节点是概念边是关系每条边都有标签——EXTRACTED源码中明确存在或INFERRED工具推断得出读到的和猜出来的永远分得清代码解析完全本地——用 tree-sitter AST 解析约 40 种语言确定性、不花 token、代码不出本机。下面这张图就是 graphify 对 FastAPI 源码库生成的知识图谱每个节点是一个概念颜色代表自动发现的社区子系统在浏览器里可以直接点选和过滤。二、安装前准备graphify 环境要求快速清单动手之前确认你的机器满足以下最低要求整个检查不超过 30 秒要求最低版本检查命令Python3.10python --versionuv推荐或 pipx备选任意uv --versionmacOSbrew install python3.12 uv一步到位Windowswinget install astral-sh.uvUbuntu/Debiansudo apt install python3.12 python3-pip pipx。 新手提示官方推荐用uv安装因为它会为 graphify 建一个独立环境能避开 90% 的路径问题。三、30秒安装 graphify完整两步流程准备工作完成后graphify 安装只需要两条命令第 1 步——安装命令行工具注意 PyPI 上的包名是双写 y 的graphifyy这是官方包命令行仍叫graphifyuv tool install graphifyy # 备选pipx install graphifyy第 2 步——把 skill 注册到你的 AI 助手graphify install第二条命令会自动检测你用的助手Claude Code、Cursor、Codex、Gemini CLI、Copilot 等 20 多个平台都支持写入对应的 skill 文件。如果安装后提示graphify: command not found执行uv tool update-shell然后重开终端即可——这是新手最常遇到的小坑原理是工具目录还没进 PATH。如果你更习惯从源码开始也可以克隆仓库后本地体验仓库地址https://gitcode.com/GitHub_Trending/graph/graphify但普通用户走上面的两步命令是最省事的路线。四、生成第一张知识图谱只需一个斜杠命令打开你的 AI 编码助手进入任意项目目录输入/graphify .然后等它跑完。graphify 会在项目下生成graphify-out/目录里面有三个文件各管一件事文件用途graph.html交互式图谱浏览器直接打开节点可点、可筛选、可搜索GRAPH_REPORT.md报告精华核心概念、意想不到的连接、建议追问的问题graph.json完整图谱数据随时可查无需重读源码对GRAPH_REPORT.md来说最值钱的是两块God nodes连接数最多的枢纽概念理解一切流量都经过哪里和Surprising connections跨文件的意外关联往往是架构问题的伏笔。项目里附带的真实案例可以直接对照着看效果比如 worked/httpx/README.md 记录了它对 httpx 风格 6 文件代码库的完整输出144 个节点、330 条边、6 个社区。五、查询知识图谱query、path、explain 三大命令图谱建好之后真正的工作方式就变了——问图不翻文件。三条最常用命令解释一个概念graphify explain APIRouter→ 返回它的源码位置、所属社区、度数以及全部 47 条连接每条都标注EXTRACTED还是INFERRED追踪两个事物的最短路径graphify path FastAPI ModelField→ 输出 3 跳路径FastAPI → DefaultPlaceholder → get_request_handler() → ModelField跨文件的调用链一目了然自然语言提问graphify query 认证和数据库是怎么连起来的→ 返回一个范围受限的子图配合 AI 助手直接得到带证据的回答。这三个命令都直接跑在graph.json上不再消耗 LLM token这也是 graphify 在大代码库上省 token 的关键首次建图有成本之后的每次查询都在读那张紧凑的图。官方在 docs/how-it-works.md 里给出了完整原理52 个文件的混合语料上查询 token 消耗比直接读原始文件少了 71.5 倍。六、进阶玩法让团队共享同一张图谱个人跑通之后还有三个新手就能立刻用起来的高级功能增量更新——文件变了只需/graphify . --update只重新抽取改动过的文件有 SHA256 缓存没变过的文件直接跳过自动重建——graphify hook install会装一个 git 钩子每次提交后自动重建图谱且内置合并驱动两个人同时提交也不会让graph.json出现冲突标记团队共享——把graphify-out/提交进仓库新同事拉完代码AI 助手立刻就能读图回答架构问题无需各自重建。更多平台的安装方式、MCP 服务把图谱作为工具暴露给助手等细节可以查阅项目根目录的 README.md 和 ARCHITECTURE.md。七、新手常见问题速查问题解决装完提示graphify: command not founduv tool update-shell或pipx ensurepath后重开终端Windows PowerShell 里/graphify报错PowerShell 把开头的/当路径分隔符用graphify .即可用uvx graphify跑不起来包名是graphifyy要用uvx --from graphifyy graphify ...文档/PDF 抽取结果为空只有代码解析是全本地免费的文档、PDF、图片需要配置一个 LLM 后端或 AI 助手会话自带模型写在最后回顾一下这 30 秒上手的完整路径装graphifyy→ 跑graphify install→ 在助手里敲/graphify .→ 打开graph.html欣赏你的第一张知识图谱。之后把搜索文件的习惯换成查询图谱你会明显感觉到理解大型代码库的速度差异。想深入了解它的三遍抽取流程和社区检测原理随时可以翻 docs/how-it-works.md——祝玩得开心 【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考