星标数：147112★ Fork数：14100 《graphify：把代码与文档变成可查询知识图谱》

graphify 是一个 Claude Code 技能。在 Claude Code 中输入 /graphify，它会读取你的文件，构建知识图谱，把你原本没有意识到的结构交还给你。

它完全支持多模态输入。无论是代码、PDF、markdown、截图、图表、白板照片，还是其他语言的图片，graphify 都会借助 Claude vision 从中提取概念与关系，并把它们连接成一张图。

Andrej Karpathy 会专门建一个 /raw 文件夹，往里面丢论文、推文、截图和笔记。graphify 就是为了解决这个问题而生：每次查询的 token 消耗比直接读原始文件少 71.5 倍，跨会话持久保存，并且对「找到了什么」与「推测了什么」保持诚实。

/graphify .                        # works on any folder - your codebase, notes, papers, anything

graphify-out/ 目录中会生成 graph.html 交互式图谱、可作为 Obsidian vault 打开的 obsidian/、供 agent 导航的 wiki/（需 –wiki）、包含 god nodes、意外连接与建议问题的 GRAPH_REPORT.md、可长期查询而无需重读文件的 graph.json，以及基于 SHA256 的 cache/（重跑时只处理有变动的文件）。

主要特点

• 本地确定性 AST 解析：代码通过 tree-sitter + 调用图处理，纯本地运行，不依赖 Neo4j 或服务器
• 每条边都标注为 EXTRACTED、INFERRED 或 AMBIGUOUS，你始终清楚哪些是找到的、哪些是猜的
• 自动同步（–watch）：后台运行后图谱随代码库变化自行更新；代码文件保存触发即时重建（仅 AST，不调用 LLM），文档与图片变更则提示你运行 –update
• Git 提交钩子（graphify hook install）：安装 post-commit 钩子，每次提交后自动重建图谱，无需常驻进程
• Wiki（–wiki）：按社区与 god node 生成 Wikipedia 风格的 markdown 文章与 index.md 入口，任何 agent 读文件即可导航知识库
• 多种导出：–svg 导出 graph.svg、–graphml 导出可在 Gephi、yEd 打开的文件、–neo4j 生成 cypher.txt、–mcp 启动 MCP stdio 服务器
• 支持任意文件类型混合：代码（.py .ts .js .go .rs .java 等）、文档（.md .txt .rst）、论文（.pdf）、图片（.png .jpg .webp .gif）

安装

需要 Claude Code 和 Python 3.10+：

pip install graphifyy && graphify install

PyPI 包名暂时为 graphifyy（正在取回 graphify 名称），但 CLI 与技能命令仍是 graphify。Windows 下若安装后识别不到 graphify，可把 Python Scripts 目录加入 PATH：%APPDATA%PythonPython3xxScripts（把 3xx 换成你的 Python 版本），或改用 pipx install graphifyy 自动处理 PATH；macOS 出现 externally-managed-environment 报错时同样可用 pipx install graphifyy。

也可手动安装（curl）：

mkdir -p ~/.claude/skills/graphify
curl -fsSL https://raw.githubusercontent.com/safishamsi/graphify/v1/skills/graphify/skill.md 
  > ~/.claude/skills/graphify/SKILL.md

然后在 ~/.claude/CLAUDE.md 中加入：

- **graphify** (`~/.claude/skills/graphify/SKILL.md`) - any input to knowledge graph. Trigger: `/graphify`
When the user types `/graphify`, invoke the Skill tool with `skill: "graphify"` before doing anything else.

用法

/graphify                          # run on current directory
/graphify ./raw                    # run on a specific folder
/graphify ./raw --mode deep        # more aggressive INFERRED edge extraction
/graphify ./raw --update           # re-extract only changed files, merge into existing graph

/graphify add https://arxiv.org/abs/1706.03762        # fetch a paper, save, update graph
/graphify add https://x.com/karpathy/status/...       # fetch a tweet

/graphify query "what connects attention to the optimizer?"
/graphify path "DigestAuth" "Response"
/graphify explain "SwinTransformer"

/graphify ./raw --watch            # auto-sync graph as files change
/graphify ./raw --wiki             # build agent-crawlable wiki
/graphify ./raw --svg              # export graph.svg
/graphify ./raw --graphml          # export graph.graphml (Gephi, yEd)
/graphify ./raw --neo4j            # generate cypher.txt for Neo4j
/graphify ./raw --mcp              # start MCP stdio server

graphify hook install              # post-commit git hook - rebuilds graph on every commit automatically

你会得到什么

• God nodes：度数最高的概念（所有内容经由它们连接）
• 意外连接：按综合分数排序，代码-论文边排在代码-代码边之上，每条结果都附带一句通俗的「为什么」
• 建议问题：4-5 个这张图最有能力回答的问题
• Token 基准：每次运行后自动打印。在混合语料（Karpathy 仓库 + 论文 + 图片）上，每次查询比读原始文件少 71.5x 的 token

仓库还提供了 worked/ 示例语料供验证：Karpathy 仓库 + 5 篇论文 + 4 张图片共 52 个文件时缩减 71.5x；graphify 源码 + Transformer 论文共 4 个文件时为 5.4x；httpx（合成 Python 库）6 个文件时约为 1x。每个 worked/ 文件夹都包含原始输入与真实输出（GRAPH_REPORT.md、graph.json），你可以自己跑一遍核对这些数字。

技术栈

NetworkX + Leiden（graspologic）+ tree-sitter + Claude + vis.js。不需要 Neo4j，不需要服务器，完全在本地运行。

📊 本项目 GitHub 星标数：147112。最后更新：2026-11-12，发布：2026-11-12。项目地址：https://github.com/Graphify-Labs/graphify