Graphify首页 › 面向 AI 编码助手的知识图谱
面向 AI 编码助手的知识图谱
AI 编码助手的上限，取决于它在一次提示里能装下多少上下文。给仓库加一层知识图谱，就等于给助手一张可导航、可压缩的结构地图，让它按关系推理，而不是盲目 grep 原始文件。这也是 Graphify 的核心价值。
上下文窗口问题
所有编码助手都会遇到同一个瓶颈：代码库加文档、RFC、论文、图示，无法一次塞进单个提示。传统 RAG 会切块 + 向量检索，但会丢失结构：谁调用谁、哪个模块依赖哪个、某个函数背后的设计动机来自哪段文档。
知识图谱会保留这些关系。节点是类、函数、设计决策、论文段落、图示概念；边是 calls、imports、rationale_for、semantically_similar_to 等。查询时不是“找最像的文本块”，而是“沿边遍历结构”。
为什么图比向量检索更适合理解代码
- 结构本身就是信号。
DigestAuth → Response这条边有明确工程含义，不依赖词面相似。 - 可追溯性更强。 每条边都有
EXTRACTED、INFERRED或AMBIGUOUS标签及置信度。 - 天然多模态。 图示节点可直接连代码类节点和论文节点，向量库很难原生表达这种结构。
- 压缩效果可累计。 在 52 文件混合语料中，图查询平均约 1.7k token，对比直接读原始文件约 123k，约 71.5× 降低。
Graphify 如何接入你的助手
你可以直接在助手里执行 /graphify .（或终端里 graphify ...）。Graphify 会输出 graphify-out/，包含交互式 graph.html、单页审计报告 GRAPH_REPORT.md、可持久化 graph.json。之后查询优先读图，而不是全仓库暴力搜索。
在 Claude Code 上还可启用更深集成：PreToolUse hook 在每次 Glob/Grep 前提醒先看 GRAPH_REPORT.md。详见 Claude Code 集成。
图里实际包含什么
- God nodes：度数最高、最核心的系统概念节点。
- Surprising connections：跨文件/跨模态的高价值意外连接，并附原因说明。
- Rationale nodes：来自 docstring、
# NOTE:/# WHY:注释和设计文档的“为什么”。 - Hyperedges：用于表达 3 个及以上节点的群组关系。