📊 在 AI Rank 查看 Graphify

📱 下载 AI Rank App

Graphify 做的事很具体：把整个代码库变成一张知识图谱，让 Claude Code 这类编程助手直接查图，不用一遍遍 grep 和读文件。在助手对话框里输入 /graphify .，它会用 tree-sitter 在本地解析代码，把大约 40 种语言里的函数、类和导入关系连起来，再把结果存成可查询的图。开源引擎采用 Apache-2.0 许可，仓库在 GitHub 的 Graphify-Labs/graphify；另有收费的 Graphify Cloud，负责跨仓库持续更新图谱。

仓库创建于 2026 年 4 月 3 日，截至 10 月 22 日有 132,244 个 star、12,679 个 fork。PyPI 上的包名是 graphifyy，注意是两个 y，最新版 0.9.93 于 10 月 20 日发布。PyPI 上其他叫 graphify 的包和这个项目无关，装错是最常见的坑。

工作原理

代码部分走 tree-sitter 语法树解析，结果是确定的，不调用大模型，可以完全离线，代码不出本机。文档、PDF、图片要额外做一轮语义提取，用的是助手当前会话的模型，或者你自己配置的 API key。音视频则用 faster-whisper 在本地转写。

每次运行在 graphify-out/ 下生成三个文件：graph.html 是可在浏览器里点击、筛选、搜索的交互图；GRAPH_REPORT.md 列出连接最多的核心节点、自动划分的模块群、意外的关联和建议提问；graph.json 是完整图谱，之后命令行和 MCP 都查它，不必重读源码。

图里每条边都有标记：源码里明写的标 EXTRACTED，Graphify 推断出来的标 INFERRED，一眼能分清哪些是读到的、哪些是猜的。模块划分用 Leiden 聚类，NOTE:、WHY: 注释和 ADR、RFC 引用也会变成节点挂到对应代码上。它不做向量嵌入，也没有向量库，查询沿着真实的依赖关系走。

安装步骤

需要 Python 3.10 以上，以及 uv 或 pipx。先装命令行工具，再给 Claude Code 注册技能：

uv tool install graphifyy
graphify install --platform claude

不带参数的 graphify install 会自动识别助手，默认按 Claude Code 处理。想把技能放进当前仓库、随代码一起提交，加 --project：

graphify install --project --platform claude

装好后在 Claude Code 里打开项目，在对话框输入 /graphify .。这是给助手的指令，不是终端命令。Codex 里要用 $graphify 调用，并且得在 ~/.codex/config.toml 的 [features] 下打开 multi_agent = true，才能并行提取。

Claude Code 版还会写入 PreToolUse 钩子：Claude 准备搜索，或者准备用 Read、Glob 逐个读源文件时，钩子会提醒它先查图。Codex、OpenCode、Cursor 这类没有钩子的平台，改用 AGENTS.md 或 .cursor/rules/ 写入同样的提示。卸载用 graphify uninstall，加 --purge 会连 graphify-out/ 一起删掉。

常用命令

建好图后，在仓库根目录就能直接查：

命令 作用
graphify query "认证流程怎样连到数据库" 针对一个自然语言问题返回相关子图
graphify path "UserService" "DatabasePool" 找出两个节点之间最短的连接链
graphify explain "RateLimiter" 显示某个节点的源码位置、所属模块和全部连接
/graphify . --update 只重新提取改动过的文件
graphify hook install 每次提交、切换分支时自动重建

名字对应多个节点时，它会列出候选而不是瞎猜。退出码 0 表示有结果，3 表示名字有歧义，4 表示没找到，写脚本时很好判断。安装 graphifyy[mcp] 扩展可以得到一个带十个工具的本地 MCP 服务；其他扩展覆盖 PDF、Office、SQL 表结构、PostgreSQL 实时读取、Terraform、Neo4j 和 Ollama。中文用户可以装 graphifyy[chinese]，用 jieba 做中文查询分词。

隐私与模型

只建代码图谱不需要任何 API key；仓库里混着文档时，加 --code-only 就能跳过需要模型的部分。无界面运行 graphify extract 时，它按已设置的 key 自动选后端，顺序是 Gemini、Kimi、Claude、OpenAI、DeepSeek、Azure、Bedrock、Ollama，并会打印是哪个环境变量决定的。要全程本地，设 GRAPHIFY_BACKEND=ollama；要彻底关掉大模型，设 GRAPHIFY_BACKEND=none。README 特别注明，Kimi 后端会把数据发到 Moonshot AI 位于中国的服务器。

项目声明没有遥测，但每次 query、path、explain 调用都会把问题、语料、返回节点数和耗时写进 ~/.cache/graphify-queries.log，设 GRAPHIFY_QUERY_LOG_DISABLE=1 可以关闭。

官方测试成绩

以下数字来自项目 README，是 Graphify 用自己的测试框架跑出来的，不是第三方评测：

测试 指标 Graphify README 中的对比
LOCOMO（300 题） recall@10 0.497 mem0 0.048，supermemory 0.149
LOCOMO（300 题） 问答准确率 45.3% supermemory 49.7%，mem0 27.3%
LongMemEval-S（50 题） 问答准确率 76% 与稠密 RAG 持平
ERPNext 跨工具（6 题） 关键事实覆盖率 82.0% grep/读文件基线 70.8%

检索召回率领先明显，但 LOCOMO 的问答准确率不如 supermemory；后两项样本也很小，只有 50 题和 6 题。

AI Rank 的 GitHub 仓库榜上，Graphify 排第 15 名，130,990 个 star，近 7 天新增 4,591 个，归在 AI Engineering 类。

→ 在 AI Rank 查看： Graphify-Labs/graphify 的 star 数、名次与周增长

云端版价格

开源命令行工具免费。Graphify Cloud 在此基础上提供跨仓库的实时图谱、PR 审查、形式化验证，以及 Sentry、Jira 连接器。以下为 2026 年 10 月 22 日 graphify.com/pricing 的价格：

套餐 价格 主要额度
Free 0 美元，限一人 3 个仓库，每仓库 25,000 个节点，每仓库每天 10 次推送构建，每月 15 次 PR 审查
Pro 年付每月 10 美元（月付 15 美元） 仓库数和图谱大小不限，每天 400 次 PR 审查、400 次验证
Teams 前 100 个团队年付每席每月 20 美元，之后 28 美元（月付为 29 和 40 美元），至少 2 席 每天 700 次 PR 审查、800 次验证，共享图谱，Slack 专属支持
Enterprise 面议 自托管，SSO/SAML，支持 GitHub Enterprise

符合条件的非商业 MIT 或 Apache 开源项目可以申请免费使用；年收入不到 100 万美元的种子轮及更早期创业公司，Teams 最多可享 6 个月半价。官方宣传 Cloud 能把 Agent 的 token 费用降低 80%，这个数字是厂商自己的说法。

选型前先对比： star 数和排名每天都在变，决定前先看 AI Rank 的 GitHub 开源项目榜。

或 📱 下载 AI Rank App 在手机上随时查看。

来源

本文使用自动化编辑辅助，于 2026 年 10 月 22 日依据 Graphify 仓库与 README、GitHub API、PyPI、Graphify 文档和价格页，以及指定日期的 AI Rank 仓库数据核对，未进行自有跑分测试。