什么是 Graphify

Graphify（safishamsi/graphify）是一个 AI 编码助手 Skill，基于 Karpathy 的 LLM Wiki 思路开发。它能将任意文件夹中的代码、文档、论文、图片转化为可查询的知识图谱，帮助 AI 理解代码库的结构和关系。

GitHub：https://github.com/safishamsi/graphify

“Type /graphify — it reads your files, builds a knowledge graph, and gives you back structure you didn’t know was there.”

核心特点

支持多种文件类型

• 代码：19 种编程语言（Python, JS, TS, Go, Rust, Java, C, C++, Ruby, C#, Kotlin, Scala, PHP, Swift, Lua, Zig, PowerShell, Elixir, Objective-C）
• 文档：PDF、Markdown
• 图片：截图、架构图、白板照片（Claude Vision 提取）
• 其他语言：19 种语言代码均支持 tree-sitter AST 解析

支持多种 AI 工具

• Claude Code
• Codex
• OpenCode
• OpenClaw
• Factory Droid

智能预热机制

Graphify 不是每次提问都重跑分析，而是：

1. 构建一次知识图谱，写入 graphify-out/GRAPH_REPORT.md
2. 在 CLAUDE.md 中注册规则，让 AI 每次回答架构问题前先读图谱
3. Claude Code 用户还会在每次 Glob/Grep 调用前触发 PreToolUse hook，自动检查图谱

安装方法

方式一：直接通过 npm 运行

1

npx graphify

方式二：克隆到本地

1
2

git clone https://github.com/safishamsi/graphify.git
cd graphify

OpenClaw 中使用

对于 OpenClaw，Graphify 使用 sequential extraction（顺序提取）模式，不需要额外的 hook 配置，直接调用 Skill 即可。

使用流程

第一步：在目标项目目录运行

1
2

npx graphify
# 或在 OpenClaw 中直接说：用 Graphify 分析这个项目

Graphify 会：

1. 递归扫描目录下所有支持的文件
2. 对代码文件使用 tree-sitter 提取 AST 结构和语义关系
3. 对文档/图片使用 Claude Vision 提取概念和关系
4. 生成 graphify-out/ 目录，包含知识图谱数据

第二步：查询知识图谱

构建完成后，可以用自然语言提问：

• “这个项目的主要模块有哪些？”
• “函数 A 被哪些地方调用？”
• “这个类的继承关系是什么？”
• “哪些文件负责数据库操作？”

OpenClaw 中查询示例

1
2
3

用 Graphify 帮我理解这个代码库：
- 项目的主要架构是什么？
- 核心模块之间的依赖关系？

工作原理

Graphify 的核心思想来自 Karpathy 的 LLM Wiki 模式：不依赖 RAG 的向量检索，而是让 LLM 直接构建结构化的知识表示。

1

原始文件 → LLM 解析 → 知识图谱（节点+边+关系）→ 自然语言查询

节点（Node）

代表代码中的实体：函数、类、模块、变量、文件

边（Edge）

代表关系：调用关系、继承关系、导入关系、引用关系

元数据

每个节点和边都包含置信度分数、来源信息、最后确认时间

与传统 RAG 的区别

应用场景

1. 新项目接手

接手陌生代码库时，用 Graphify 快速了解架构和模块关系

2. 代码审查

审查 PR 时，图谱能告诉你改动影响的完整链路

3. 技术债务梳理

找出重复代码、未使用的导出、循环依赖等问题

4. 文档自动生成

基于代码结构自动生成架构文档

5. 论文笔记整理

将学术论文截图/ PDF 转化为知识网络

参考资源

• Karpathy LLM Wiki 原版思路
• Graphify GitHub
• LLM Wiki v2 — 增强版思路

本文首发于 2026-04-08，基于 Graphify v3 版本