graphify记忆层完全指南:save-result与reflect如何让知识图谱“越用越聪明“
graphify记忆层完全指南save-result与reflect如何让知识图谱越用越聪明【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 是一款把代码库、文档、SQL 模式与配置文件转化为可查询知识图谱的开源工具也是 Claude Code、Cursor、Codex 和 Gemini CLI 的/graphify技能。它的记忆层由两个命令组成save-result负责把每次问答归档为带信号的记忆文档reflect负责把这些记忆确定性地聚合成一份 LESSONS.md 经验清单——无需向量库、无需 LLM让 AI 助手在下一次会话开始时自动想起哪些来源可靠、哪些路是死胡同。什么是 graphify 的记忆层graphify 的核心管线是扫描 → 抽取 → 建图 → 聚类 → 分析 → 报告 → 导出全部产物落在graphify-out/目录。而记忆层是在此之上的一圈反馈闭环写入侧每次 AI 回答完问题用save-result把问答存档到graphify-out/memory/并打上一个结果信号读取侧会话开始时跑一次reflect把所有记忆文档压缩成一份graphify-out/reflections/LESSONS.mdAI 读它即可快速定向同步侧可选安装 git post-commit 钩子提交后自动重新生成经验文件保持记忆与代码同步。整个机制是确定性的同样的输入必然产出字节级相同的 LESSONS.md不依赖任何大模型所以又快又便宜实现见 graphify/reflect.py。save-result 三步上手把问答存成记忆在 agent 工作流中一条典型的存档命令长这样命令定义见 graphify/cli.pygraphify save-result \ --question 支付重试逻辑在哪里 \ --answer 在 retry_policy() 中指数退避最多 3 次 \ --type query \ --nodes retry_policy PaymentService \ --outcome useful它会生成一个形如query_20260830_120000_支付重试逻辑在哪里.md的文件落在graphify-out/memory/下内部结构很朴素YAML frontmatter问题、日期、结果信号、来源节点 Markdown 正文问答与结论方便人直接阅读也方便下一次--update时被抽取进知识图谱存档逻辑见 graphify/ingest.py。三种结果信号记忆的灵魂--outcome参数只有三个取值OUTCOMES (useful, dead_end, corrected)见 graphify/ingest.py信号含义对图谱的作用useful这个答案确实有用相关来源节点加分dead_end此路不通别再试相关来源节点减分列入已知死胡同corrected答案被用户纠正过减分并把正确版本写入 Corrections 区答错了也没关系——--correction 正确答案是…可以把纠正内容一并存档这正是记忆层最宝贵的数据。reflect 一键聚合LESSONS.md 是怎么生成的graphify reflect # 默认读 memory/输出 reflections/LESSONS.md graphify reflect --if-stale # LESSONS.md 已是最新则直接跳过几乎零开销reflect会扫描graphify-out/memory/下所有记忆文档带 frontmatter 的才会被解析外来 .md 会被自动跳过按结果信号对每个来源节点做带时间衰减的加减分最后渲染出五类经验渲染逻辑见 graphify/reflect.pyPreferred sources首选来源被 ≥2 次不同useful结果印证的节点——下次优先从这里查起Tentative待验证只被用过一次且有效的节点——可用但先核实Contested有争议既有正面又有负面信号的节点——按最近一次的胜负判定Known dead ends已知死胡同被标记dead_end的问题——别再重复推导Corrections纠正记录用户纠正过的答案附正确版本。两个关键参数时间衰减与互相印证--half-life-days默认 30每条信号的权重每 30 天减半。三个月前的有用抵不过最近一次此路不通——新鲜的失败比陈旧的成功更有分量衰减公式见 graphify/reflect.py--min-corroboration默认 2一个节点必须被至少 2 次不同的useful结果印证才能晋升为首选。一次存档无法凭空制造一条可信经验——这是防止记忆自我吹嘘的设计。另外两点很贴心若旁边存在graph.json经验会按社区主题分组展示同时自动剔除代码中已不存在的节点经验不会指向已删除的函数LESSONS.md 被刻意放在reflections/而非 wiki 目录因为graphify export wiki每次运行都会清空wiki/*.md放错地方经验文件就会被覆盖设计说明见 graphify/reflect.py。git 钩子自动保鲜会话开始只需一条命令安装钩子后graphify install每次 git 提交都会自动重跑一次 reflect让 LESSONS.md 与代码库保持同步钩子实现见 graphify/hooks.py。因此在会话开始时agent 只需执行graphify reflect --if-stale--if-stale会对比 LESSONS.md 与所有输入文件的修改时间如果钩子刚刚刷新过它就直接跳过——所以每次会话都跑一遍的额外成本几乎为零。完整用法示例见 README.md。学习覆盖层.graphify_learning.json 是什么当 reflect 同时拿到图谱文件时还会在graph.json旁边写一个派生覆盖层.graphify_learning.json为每个优选/待验证/有争议的节点记录状态、得分、来源轨迹最近 5 条问答并用源码文件的内容哈希做新鲜度指纹——文件一改对应经验自动标记为stale提示代码变了请重新验证覆盖层实现见 graphify/reflect.py。注意它只是只读投影graph.json本身这份结构事实永远不被写入学习字段经验与结构严格分离删除覆盖层即可完全回退。相关源码与文档清单文件作用graphify/reflect.pyreflect 核心解析、计分、渲染 LESSONS.md、学习覆盖层graphify/ingest.pysave_query_result记忆文档的写入端graphify/cli.pysave-result/reflect命令入口graphify/hooks.pypost-commit 钩子自动刷新经验文件graphify/skills/claude/references/query.md各平台 agent 的存档反思工作流约定tests/test_reflect.py完整测试从 frontmatter 解析到第二次会话受益于第一次的端到端用例docs/how-it-works.md官方工作原理说明新手常见疑问 Q不装 git 钩子能用吗能。手动跑graphify reflect即可--if-stale只是让重复运行更省。QLESSONS.md 需要人工维护吗不需要。它是自动生成物人工想留经验应写入save-result存档再让 reflect 聚合。Q记忆会无限膨胀吗时间衰减让旧信号自动褪色且代码中已删除的节点会从经验中剔除记忆层随代码演进自然瘦身。一句话总结save-result记住每一次问答的成败reflect把它们蒸馏成一份带时间权重的经验清单——graphify 由此从静态知识图谱升级为会自我修正的知识图谱。【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创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

相关新闻

世界模型+VL M后训练:合成数据生成与行业推理实战

世界模型+VL M后训练:合成数据生成与行业推理实战

把 Cosmos 3 后训练、VLM 行业推理和合成数据生成放在同一篇文章里,看起来是三个独立话题,实际是一条完整的数据生产链路。先由世界模型生成场景视频,再用视觉语言模型对视频做结构化理解,然后通过后训练把模型的输出格式和语义都…

2026/11/6 21:43:51 阅读更多 →
BT 下载卡在 99% 没种子?78 个公共 Tracker 服务器清单找回下载速度

BT 下载卡在 99% 没种子?78 个公共 Tracker 服务器清单找回下载速度

BT 下载卡在 99% 没种子?78 个公共 Tracker 服务器清单找回下载速度 【免费下载链接】trackerslist Updated list of public BitTorrent trackers 项目地址: https://gitcode.com/GitHub_Trending/tr/trackerslist 下载进度停在 99%、种子数一直是 0,多半是客户端找不到…

2026/11/21 14:53:12 阅读更多 →
快手2020校招工程A卷全解析:考点拆解与备考攻略

快手2020校招工程A卷全解析:考点拆解与备考攻略

快手2020校园招聘秋招笔试--工程A试卷,这套卷子说起来挺有意思。前阵子帮一个学弟整理校招复习资料,翻到了这套真题,我越看越觉得值得单独拿出来拆一拆。它不像社招面试那样偏重项目深挖,也不像竞赛题那样完全偏向算法竞赛&#x…

2026/10/25 14:57:23 阅读更多 →

最新新闻

Electron桌面应用开发实战:从环境搭建到打包发布全流程

Electron桌面应用开发实战:从环境搭建到打包发布全流程

做前端这些年,我大部分时间都在跟浏览器标签页打交道,直到第一次把桌面应用跑起来,才发现原来自己一直被限制在地址栏和刷新按钮围起来的框框里。Electron这个词,最开始是在某段时间频繁出现在同事的讨论里,一个用HTML…

2026/11/20 23:27:28 阅读更多 →
滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

滑盖智能锁T109深度解析:结构原理、安装调试与故障排查

简介:亚太天能T109滑盖智能锁产品说明书是一份PDF格式的官方技术文档,主要面向智能锁安装人员、终端用户及售后维护者,帮助快速掌握产品安装、配置与常见故障处理。全包仅1个PDF文件,大小4.37MB,内容结构清晰&#xff…

2026/11/20 23:27:28 阅读更多 →
PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

PMSM弱磁控制原理与Simulink建模:高速AGV驱动系统设计指南

上个月我在调试一台高速AGV的驱动系统,整车要求空载跑到8m/s,电机转速已经拉到额定点,驱动器的输出电压也顶到了母线电压极限附近。再往上踩速度指令,转速纹丝不动,三相电流反而开始震荡。那会儿我的第一反应就是&…

2026/11/20 23:27:28 阅读更多 →
C++核心知识点:从内存管理到STL的实战指南

C++核心知识点:从内存管理到STL的实战指南

C 这门语言我前前后后折腾了十几年,用它写过嵌入式驱动、做过游戏服务端,也搭过基础组件库。每次看到新人一头扎进"C 核心知识点"这个搜索词,我其实挺感慨的——这门语言的难点从来不是语法多,而是知识点之间的耦合太深…

2026/11/20 21:55:32 阅读更多 →
T109滑盖智能锁怎么装?安装调试与故障排查全攻略

T109滑盖智能锁怎么装?安装调试与故障排查全攻略

简介:亚太天能T109滑盖智能锁产品说明书以PDF格式发布,适合智能锁用户、安装人员与售后维修人员阅读。内容围绕T109系列指纹密码刷卡锁展开,先介绍前面板、后面板、锁体、机械钥匙、电池盒盖等部件名称与功能,再给出完整安装步骤&…

2026/11/20 23:27:28 阅读更多 →
LLM知识降熵:从信息垄断到理解权下放

LLM知识降熵:从信息垄断到理解权下放

你有没有过这种经历:翻开源码注释、论文摘要或者一份专业报告,每个字都认识,连在一起却像天书。想找人聊聊,身边要么没人懂,要么懂的懒得跟你解释。后来我试着把同一段内容丢给一个大语言模型,几秒钟之后&a…

2026/11/20 22:59:12 阅读更多 →

日新闻

周新闻

月新闻