📌 项目地址：Graphify-Labs/graphify | ⭐ 84,309 颗星 | 🔧 Python | 📜 未标注
解决什么问题：让AI不再反复“通读”你的所有文件
Andrej Karpathy 提到自己维护一个 /raw 文件夹，里面放着论文、推文、截图、笔记等，每次想从里面找信息都要重新翻一遍。Graphify 针对的就是这类痛点——它不是一个运行一次就丢的脚本，而是一个持久化的、可跨会话查询的知识图谱构造工具。当你用 Claude Code 等 AI 编程助手时，Type /graphify . 就能把当前文件夹里的所有代码、SQL 模式、R 脚本、Shell 脚本、文档、PDF、甚至截图和白板照片，全部融合进一个图谱。官方数据称，后续查询相比直接读原始文件可减少 71.5 倍的 token 消耗。
与同类工具（如仅支持代码的依赖图工具）不同，Graphify 是多模态的：它利用 Claude 的视觉能力从图片、截图、手绘白板中提取概念和关系，将非文本信息也纳入知识结构。
实际用法：安装后在 Claude Code 中直接触发
安装前提：需要 Claude Code 和 Python 3.10+。
pip install graphifyy && graphify install
PyPI 包暂时命名为
graphifyy，但 CLI 和 skill 命令仍是graphify。
Windows 用户如果命令未识别，需将%APPDATA%PythonPython3xxScripts加入 PATH；macOS 遇到 “externally-managed-environment” 错误时使用pipx install graphifyy。
然后在任意目录中打开 Claude Code，输入：
/graphify .
这条命令会扫描当前目录的全部文件（包括子目录），构建知识图谱，并在 graphify-out/ 文件夹下输出多项产物：
graphify-out/
├── graph.html # 交互式图谱，可点击节点、搜索、按社区过滤
├── obsidian/ # 可直接作为 Obsidian 知识库打开
├── wiki/ # 维基百科风格的文章，供 AI agent 导航（需要 --wiki 参数）
├── GRAPH_REPORT.md # 包含“上帝节点”、意外关联和建议提问的报告
├── graph.json # 持久化图谱文件，下次可直接查询而无需重新读取
└── cache/ # SHA256 缓存，仅处理变化的文件
高级用法（均通过 /graphify 子命令实现）：
/graphify ./raw– 指定其他文件夹/graphify ./raw --mode deep– 更激进地提取推断关系（可能产生产生更多假阳性边）/graphify ./raw --update– 只重新处理有变化的文件，合并到已有图谱/graphify add https://arxiv.org/abs/1706.03762– 获取论文并添加到图谱/graphify add https://x.com/karpathy/status/...– 获取推文并添加到图谱/graphify query "what is the relationship between X and Y"– 直接对图谱提问（注意：README 中命令只写了前半，完整用法请参考官方文档）
若希望在其他 AI 工具（如 Cursor、Gemini CLI）中使用，也可以手动安装 skill 文件到 ~/.claude/skills/graphify/ 并配置 CLAUDE.md（详见 README 的 Manual install 部分）。
和多模态知识图谱工具的差异
多数代码知识图谱工具（如 dep-tree、code2graph）仅解析编程语言中的符号引用，无法处理文档、图片或纯文本笔记。Graphify 的独特之处在于：
- 支持 PDF、Markdown、截图、白板照片、外语图像等非结构化数据
- 输出产物不仅供人浏览，还提供了
wiki/和graph.json格式供 AI agent 高效导航 - 增量更新机制（
--update）使图谱能长期维护，而非一次性快照
需要注意的事项
- 依赖外部 API：Graphify 的提取能力依赖 Claude 的视觉模型，因此需要联网且使用 Claude Code 的配额或付费账号。
- 临时包名：PyPI 上暂为
graphifyy，未来可能变回graphify；命令名不变。 - 许可证：仓库未在 README 中明确许可证类型，请在实际使用前查看项目的 LICENSE 文件。
- 推理边界：
--mode deep可能产生模型“猜出来”的关系（报告中会区分“找到”和“猜到的”），关键决策前建议核实。 - 大文件夹性能：首次处理大量文件可能耗时，后续增量更新由 SHA256 缓存加速。
适合对复杂项目（混合代码、文档、设计稿）做持续探索的开发者、研究者或知识管理爱好者。如果是纯代码库且只关心符号间调用关系，更轻量的专项工具可能更合适。