大模型再聪明，走进陌生代码库也像蒙眼走路。Graphify就是那张让它看清楚路的地图。
痛点：你的AI编程助手，正在“盲人摸象”
用过Claude Code、Cursor这类AI编程助手的同学，一定经历过这样的场景：接手一个陌生的大型项目，让AI帮你理解一下架构，它开始漫无目的地翻目录、猜入口、逐文件阅读，折腾半天Token烧了几十万，给你的答案却还是支离破碎。
这不是模型不够强。而是AI在一个陌生的大型代码库里，本质上是在“盲人摸象”。
Graphify解决的问题很简单：给AI一张项目地图。
它先一次性把整个项目——代码、文档、PDF、图片——全部“编译”成一张结构化的知识图谱。之后AI再问任何关于项目的问题，直接查图回答，不用每次都重新读一遍所有文件。
效果有多夸张？官方数据是每次查询Token消耗降低71.5倍。实测中，一个253个文件、近7万行代码的项目，建图只花了5分多钟，消耗约2.3万Token，之后每次查询的消耗都极低。
它到底做了什么？三句话说清楚
- 它不是RAG，也不是文档搜索——它把代码里的函数、类、调用关系，文档里的概念、设计原理，全部抽成节点（实体）和边（关系），存在一张本地的图里。
- 代码用AST解析，不消耗Token——Python、Java、Go、Rust等23种语言的代码文件，通过语法树直接提取结构关系，完全不调用大模型，零Token成本。
- 文档和图片才走AI——PDF、Markdown、架构图、白板照片，由你配置的AI模型（Claude/GPT等）做语义提取，识别概念和关联。
5分钟上手：从安装到第一次查询
前置条件
- Python 3.10+
- 任意AI编程助手（Claude Code / Cursor / Codex / OpenCode / Hermes等）
第一步：安装（注意这个坑！）
PyPI上的包名叫 graphifyy（两个y），因为graphify这个名字还在回收中。
$$$
推荐用pipx或uv安装，避免PATH问题
pipx install graphifyy && graphify install
或者用pip
pip install graphifyy && graphify install
$$$
💡 踩坑提醒：如果你装完提示
graphify: command not found，试试python -m graphify --help或把Python的Scripts目录加入PATH。
第二步：安装到你的AI编程助手
$$$
Claude Code（Linux/Mac）
graphify install
Claude Code（Windows）
graphify install –platform windows
Codex
graphify install –platform codex
OpenCode
graphify install –platform opencode
Hermes
graphify install –platform hermes
$$$
第三步：建图！最激动人心的一步
在你的项目根目录，打开AI编程助手，输入：
$$$
/graphify .
$$$
首次运行会扫描整个目录，耗时取决于项目大小。一个中型项目大约5-10分钟。
建图完成后，项目根目录下会出现graphify-out/文件夹：
$$$
graphify-out/
├── graph.html # 🗺️ 交互式图谱，浏览器打开可点击探索
├── GRAPH_REPORT.md # 📋 核心节点、社区结构、建议问题
├── graph.json # 💾 持久化图谱数据，跨会话可用
└── cache/ # 📦 SHA256缓存，增量更新只处理变更文件
$$$
立刻打开graph.html看一眼，你会看到一张由节点（函数/类/概念）和连线（调用/依赖/引用）组成的网络图——这就是你项目的“骨架”。
第四步：开始查询
建完图之后，你可以这样问AI：
$$$
问架构问题
/graphify query “用户认证流程涉及哪些模块？”
查两个概念之间的关系路径
/graphify path “UserService” “DatabasePool”
解释某个模块的设计逻辑
/graphify explain “PaymentProcessor”
把论文加进图谱一起分析
/graphify add https://arxiv.org/abs/1706.03762
$$$
日常维护：代码改了，图怎么更新？
代码在变，图谱不能过期。Graphify支持增量更新：
$$$
只重新处理变更的文件，合并到现有图谱
/graphify . –update
如果文件删了，加上–prune清理幽灵节点
/graphify . –update –prune
只重新跑社区聚类，不重新提取
/graphify . –cluster-only
$$$
还可以安装Git钩子，每次commit或checkout时自动增量更新：
$$$
graphify hook install
$$$
从此图谱和代码库保持同步，AI永远看到的是最新版的项目地图。
私心和成本：敏感项目能用吗？
这个问题必须讲清楚。
代码文件：通过tree-sitter本地解析，完全不离开你的机器，不给任何AI模型。
文档、PDF、图片：需要发给你配置的AI平台（Anthropic/OpenAI）做语义提取，走的是你自己的API Key。
视频/音频：用faster-whisper在本地转录，也不上传。
项目本身：零遥测、无使用追踪、不收集任何数据。
⚠️ 如果文件夹里有机密合同、客户数据、未公开源码，建议先在项目根目录创建
.graphifyignore文件，排除敏感目录，或者只用--no-semantic模式跳过文档语义提取。
一句话总结
Graphify做的事可以这样理解：
建图一次，查询千次。 给AI配上一张永远同步的项目地图，让它从“每次进来都要从头摸索”变成“直接看地图找路”。
Token省了，上下文不丢了，跨模块的关系也能讲清楚了。
花5分钟装一下，用你的真实项目跑一次/graphify .，打开graph.html看一眼——你会对“AI理解代码”这件事有全新的认识。