Graphify
Graphify Labs · 圖片 · 生產力
Graphify 把任何程式碼、文件與 PDF 轉成可查詢的知識圖譜，AI 程式助手改用 /graphify 指令載入圖譜，不必再逐一搜尋檔案。
關於 Graphify
What Is Graphify
Graphify 是一套為 AI 程式助手打造的程式碼知識圖譜。你只要指定一個資料夾，它就會把整個專案轉成概念與彼此關聯的圖譜。之後助手靠遍歷這張圖譜來回答問題，而不是一行一行讀檔。
用過 Claude Code 或 Cursor 處理大型專案的人，都碰過這個麻煩。grep 加逐檔開啟又慢又耗上下文，模型還是會漏掉相依關係。Graphify 先建好一張地圖，讓助手從結構出發。程式碼用 tree-sitter 解析出抽象語法樹，文件、PDF、圖片與影片則走另一條語意處理流程。每一條邊都標上 EXTRACTED 或 INFERRED，讓你知道哪些是直接從來源找到的，哪些是工具自己推出來的。
兩件事決定了誰該在意。開源引擎在本機執行，採 Apache 2.0，處理程式碼不需要帳號或 API 金鑰，重視隱私的團隊可以直接在自己的機器上跑。app.graphify.com 的託管平台則是較新的獨立產品，會在背景持續更新圖譜，也是要付費的那個部分。
Getting Started
- 用 uv tool install graphifyy 安裝命令列工具，想換方式就用 pipx install graphifyy
- 執行 graphify install 把 skill 註冊到助手，若你用 Cursor、Codex 或其他編輯器，再加平台參數
- 打開專案並執行 /graphify .，開始掃描程式碼、建立圖譜
- 從 graphify-out 開始用：打開 graph.html 探索，讀 GRAPH_REPORT.md 看重點，再依需求執行 graphify query、graphify path 或 graphify explain
產品資訊
快速了解 Graphify 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 接手大型或陌生程式碼的開發者：圖譜會在打開任何檔案前先顯示模組、類別與函式的關聯，前提是本機要有 Python 3.10 以上
- 技術主管與架構師：需要追相依關係、找出所有事情都會經過的關鍵概念，又不想把整個專案塞進腦袋的人
- 重視隱私的團隊：不能把原始碼交給第三方的公司，因為程式碼分析全程在本機進行、不呼叫 LLM，資料不離開機器
- 橫跨論文與筆記的研究者與寫作者：想把 PDF、圖片與文件跟程式碼放進同一套結構的人
任務
- 理解新專案：圖譜建一次，之後直接用白話提問，不必逐層翻目錄
- 追一條相依關係：用 graphify path 指定兩個對象，看連接它們的最短路徑
- 解釋單一元件：用 graphify explain 取得節點的位置、所屬社群與相連的邊
- 讓地圖保持最新：改完程式執行 graphify update，只重新解析有變動的檔案，不跑 LLM 流程
- 團隊共享圖譜：透過 MCP 伺服器以 stdio 或 HTTP 提供，讓多個助手讀同一份資料
情境
- 接手老舊系統：一個下午就拿到架構全貌，不必花一週翻程式碼
- 審查 pull request：合併前先看這次改動碰到圖譜的哪些部分
- 帶新進同事上手：把 graph.html 交給他，讓他照自己的步調點著看
- 稽核陌生的開源函式庫：把 import、呼叫與註解收進同一個畫面
- 追一個決策的來由：rationale 註解與 ADR、RFC 引用會變成節點，當初的為什麼就會黏在程式碼上
主要功能
不呼叫 LLM 的本機程式碼分析
Graphify 用 tree-sitter 讀程式碼，這是一票編輯器都在用的解析器家族，能建出可預期的抽象語法樹。這條流程不需要模型、不需要 API 金鑰、不需要連網。跨檔案的 calls、imports、inherits、mixes_in 關聯會在約 40 種語言間解析，多語系專案因此收進同一張圖譜。對資料規範嚴格的團隊來說，這正是讓工具能用的關鍵。
每條邊都標上 EXTRACTED 或 INFERRED
每個連結都帶一個信心標籤。EXTRACTED 代表關聯在原始碼裡寫得明明白白，INFERRED 則是 Graphify 自己解出來的。你能分辨程式碼說了什麼、工具又推了什麼，這就跟吐答案卻不給依據的黑箱索引拉開差距。explain 的輸出會同時呈現兩者，並附上節點的檔案與行號。
query、path、explain 三種指令
圖譜建好之後，你就不用再讀檔。graphify query 用白話問一句會回傳限縮後的子圖譜，graphify path 描出兩件事怎麼連在一起，graphify explain 則交代單一節點的位置與連結數。官方說從圖譜取答案比重新讀原始檔省下大量 token，結果也能跨工作階段保留。
程式碼以外的多模態來源
它不只吃程式碼檔。Markdown、PDF、圖片、SQL schema，甚至影片或音訊都能進同一張圖譜，在語意流程中交由你助手所用的模型或你設定的 API 金鑰處理。白板照片或論文裡的圖表都會成為地圖的一部分，這就跟單純的程式碼索引不同。
社群、god node 與報告
看一下輸出就知道重心在哪。god node 是連結最多的概念，所有事情都會經過的節點；社群則用 Leiden 演算法把圖譜切成子系統，標籤不需要 LLM。成果分別落在 graph.html 供點擊與篩選、GRAPH_REPORT.md 記錄重點、graph.json 支援查詢與工具。
MCP 伺服器與助手整合
Model Context Protocol 伺服器能把圖譜提供給任何支援 MCP 的助手，單機用 stdio，整團隊用 HTTP，要在網路上公開還能加上 API 金鑰。這個 skill 可安裝到 20 款以上助手，從 Claude Code、Cursor 到 Codex、Gemini CLI 與 GitHub Copilot，另有一個 git hook 在每次提交時把圖譜保持新鮮。
Git hook 與增量更新
程式碼一改，圖譜就會過時，Graphify 用增量流程處理。graphify update 只重新抽取有變動的檔案並併回既有圖譜，跳過 LLM 流程與分群。post-commit hook 可以替你執行，地圖就跟著專案走，不必每次重建。
優缺點
優點
- 程式碼分析全程在本機進行，不呼叫 LLM、不需帳號，適合不能讓原始碼離開公司的團隊
- 每條邊都標上 EXTRACTED 或 INFERRED，你看得到答案的依據，不必信任黑箱
- 不用跑向量資料庫或嵌入模型，分群直接靠圖的拓撲與 Leiden 演算法
- 一套 skill 就涵蓋 20 款以上助手，從 Claude Code、Cursor 到 Codex 與 Gemini CLI
- Apache 2.0 引擎免費、不必綁定廠商，可以先拿真實專案試跑
缺點
- 程式碼分析免費，但文件與媒體那條流程需要設定模型或 API 金鑰，前置作業因此變多
- 需要 Python 3.10 以上與能運作的終端環境，非技術背景的使用者得靠人協助安裝
- 常駐背景更新的圖譜與會議整合都放在託管平台，不在開源引擎裡，這份方便要付費
- 特大的專案第一次建立圖譜可能要花幾分鐘，價值出現在第二個問題，不是第一個
常見問題
Graphify 是一套把程式碼連同文件、SQL schema 與 PDF 轉成可查詢知識圖譜的工具。你把它裝成 AI 程式助手的 skill，對資料夾執行 /graphify。之後助手靠遍歷圖譜回答問題，而不是讀檔，每條邊都有標籤，讓你知道哪些是從來源抽出來的、哪些是推出來的。
相關內容
探索與 Graphify 相關的工具、技能與文章。
Graphify 替代方案
Tractionwave
TractionWave · 圖片 · 行銷TractionWave 是針對靜態廣告的 AI 注意力熱圖工具。上傳 PNG 或 JPG，就能取得預測注意力、排序後的熱點與修正建議，不必等預算花完才知道問題在哪。
Imejis.io
Imejis.io · 圖片 · 行銷Imejis.io 是給代理與行銷團隊使用的 AI 設計工作室。你用日常說法描述一張圖，它會寫好文案、排出版面、自動調整成各種尺寸，最後匯出完成檔。
Layoutr
Van Dijk Ontwikkeling · 圖片 · 中國 AILayoutr 是瀏覽器上的平面圖工具，能把現有平面圖換算成真實比例、擺放實尺寸家具、以 3D 檢視房間，再用 AI 渲染。