Graphify首頁 › 面向 AI 程式助理的知識圖譜
面向 AI 程式助理的知識圖譜
AI 程式助理的效果取決於它一次能容納多少上下文。為倉庫加上一層知識圖譜，就是給模型一張可導航的結構地圖，讓它依關係推理，而不是對原始檔案做盲目搜尋。這正是 Graphify 的核心價值。
上下文視窗問題
所有程式助理都會碰到同一限制：程式碼庫加文件、RFC、論文與圖示，無法塞進單一提示。傳統 RAG 會切塊並做向量檢索，但會遺失結構：誰呼叫誰、哪個模組依賴哪個、某個函式背後的設計理由是什麼。
知識圖譜會保留這些關係。節點可表示類別、函式、設計決策、論文章節與圖示概念；邊可表示 calls、imports、rationale_for、semantically_similar_to。
為何圖比向量檢索更適合理解程式碼
- 結構就是訊號。
DigestAuth → Response的意義不依賴字面相似度。 - 可追溯性高。 每條邊都有
EXTRACTED、INFERRED、AMBIGUOUS與信心分數。 - 天生多模態。 圖示節點可直接連到程式碼節點與論文節點。
- 壓縮可累積。 在混合語料上，圖查詢可比直接讀檔顯著省 token（約 71.5×）。
Graphify 如何接入助理
可在助理中執行 /graphify . 或終端執行 graphify ...。輸出目錄 graphify-out/ 會包含 graph.html、GRAPH_REPORT.md 與 graph.json，後續查詢先讀圖而非暴力掃描全檔。
Claude Code 另支援 PreToolUse hook，在每次 Glob/Grep 前提示先看圖譜摘要。詳見 Claude Code 整合。
圖中包含的重點
- God nodes：系統核心高連結節點。
- Surprising connections：跨檔案／跨模態的關鍵意外連結。
- Rationale nodes：docstring、
# WHY:等設計動機內容。 - Hyperedges：表達 3 個以上節點群組關係。