graphify在FastAPI代码库上的实战演示每个节点都是可点击的概念【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 是一款本地优先的代码知识图谱工具一条命令把整个代码库含文档、SQL 表结构、配置文件解析成可查询的知识图谱。本文以 FastAPI 代码库为例完整演示如何用 graphify 给大型项目建图——代码走 tree-sitter 确定性 AST 解析全程本地、免费、不依赖向量库每个节点都是可以直接点击、追问、追溯路径的概念。先装上 graphify两条命令完成配置graphify 的官方 PyPI 包名是graphifyy双 y命令行仍叫graphifyuv tool install graphifyy # 或 pipx install graphifyy graphify install # 把 /graphify 技能注册到你的 AI 助手支持 Claude Code、Cursor、Codex、Gemini CLI、GitHub Copilot 等 20 多个平台graphify install --platform name可指定平台。装完在 AI 助手里输入/graphify .即可开工。在 FastAPI 代码库上建图30 秒得到 3 个文件把 FastAPI 源码 clone 到本地仓库地址https://gitcode.com/GitHub_Trending/graph/graphify 是 graphify 自身FastAPI 仓库请自行获取进入目录后对助手说一句/graphify .几秒钟后工作目录下会多出一个graphify-out/文件夹里面有三个文件文件用途graph.html浏览器打开即玩的交互式图谱点节点、筛选、搜索GRAPH_REPORT.md报告核心概念、惊人连接、建议问题graph.json完整图谱数据随时可查无需重读源码代码部分由本地 AST 解析完成0 LLM 开销只有文档、PDF、图片才会走语义抽取。这也是 graphify 和向量索引的本质区别——它不是 embedding而是一张真正可遍历的图。看懂 graph.html每个节点都是一个可点击的概念上图就是 graphify 对 FastAPI 代码库建出的图谱。右侧图例按社区subsystem分组颜色对应检测到的子系统APIRouter96 个节点—— 路由相关概念的最大集群SecurityBase71、v256—— 安全与 OpenAPI 相关模块FastAPI46、BaseModelWithConfig40—— 核心模型与依赖注入每个点都是一个具体概念类、函数、文档段落每条边都有关系标签calls、imports、inherits等。点击任意节点就能看到它的全部连接勾选图例中的社区还能按子系统过滤整张图。FastAPI 这种上万行的项目以前要翻几十个文件才能理清的依赖关系现在一张图尽收眼底。社区检测用的是 Leiden 算法纯图结构聚类不需要任何向量数据库。原理细节可参考仓库里的 docs/how-it-works.md。GRAPH_REPORT.md 告诉你God 节点是什么建图结束后GRAPH_REPORT.md会列出全项目连接数最多的概念——所谓 God 节点。在 FastAPI 上APIRouter的度数高达 47是名副其实的路由中枢而在仓库自带的 httpx 演示worked/httpx/GRAPH_REPORT.md里Client、AsyncClient、Response包揽前三。报告还有两个很实用的板块Surprising Connections跨文件、跨模块的意外连接按意外程度排序。比如Timeout --uses-- URL这种跨文件关系平时很少主动去查Suggested Questions图谱自动给出 4~5 个只有这张图才能回答的问题比如Client为什么同时连接了 4 个社区三条查询命令追问图谱而不是 grep 文件图建好之后最爽的用法是直接向graph.json提问。下面是 graphify 跑在 FastAPI 上的真实输出graphify explain APIRouter # Node: APIRouter (routing.py L2210, Degree: 47) # -- RequestValidationError [uses] [INFERRED] # -- Dependant [uses] [INFERRED] # -- __init__.py [imports] [EXTRACTED] ...graphify path FastAPI ModelField # 最短路径 3 跳 # FastAPI --uses-- DefaultPlaceholder --references-- # get_request_handler() --references-- ModelFieldgraphify query 依赖注入是怎么走到路由的 # 返回一个限定范围的子图直接回答自然语言问题explain解释单个概念、path追踪两个概念之间的最短路径、query回答自然语言问题——三者都不需要重读源文件回答速度比 grep 人工翻文件快得多而且省 token仓库基准测试在 52 文件的混合语料上每次查询比直接读文件省了 71.5 倍 token。置信标签分清读到的和猜到的每条边都带置信标签这是 graphify 可信度设计的关键标签含义EXTRACTED源码里明确存在的一次调用、一个 import置信度恒为 1.0INFERREDgraphify 跨文件解析推断出来的附 0.55~0.95 的置信分AMBIGUOUS不确定报告里标记出来供人工复核所以当你看到APIRouter -- Dependant [uses] [INFERRED]时心里清楚这是有证据的推断而不是瞎连。这个透明化机制在跨文件调用解析、继承关系推断时尤其重要。团队协作让知识图谱随提交自动保鲜graphify 的设计初衷就是团队共享一人执行/graphify .把graphify-out/提交进仓库其他人拉代码后AI 助手立刻能查图谱无需重建执行graphify hook install安装 git hook——每次提交后自动用 AST 增量重建纯本地、零 API 费用并注册 git merge driver两人并行提交时graph.json会自动做并集合并永远不会有冲突标记。不想纳入版本控制的生成物可用.graphifyignore语法同.gitignore精确排除。小结把翻代码变成查图谱graphify 在 FastAPI 上演示了它的核心价值主张代码地图免费且完全本地每条边都能解释不用向量库也能做可解释的语义导航。三个文件graph.html/GRAPH_REPORT.md/graph.json分别对应看、读、查三种消费方式。对于接手新项目、梳理架构、或者让 AI 助手更快理解代码库的场景这套建图一次、查询无数次的工作流值得试一次。【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