一、基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 正式名称 | graphify | GitHub 仓库名 |
| 作者/维护者 | Graphify Labs（YC S26 团队；仓库由原作者个人账号 safishamsi 正式迁移至该组织，旧地址返回标准重定向，非仿冒） | GitHub API + 组织页 |
| 来源链接 | https://github.com/Graphify-Labs/graphify | — |
| 许可证 | MIT License | GitHub API |
| GitHub Stars / Forks | 88,257 / 8,642 | GitHub API（取证于 2026-07-16） |
| 最新版本 | v0.9.17（2026-07-16 发布） | GitHub Releases API |
| 安装方式 | uv tool install graphifyy && graphify install（推荐）；或 pipx install graphifyy / pip install graphifyy |
官方 README |
二、功能介绍与亮点
graphify 是一个把任意文件夹——代码、SQL Schema、文档、论文、图片、视频——解析为可查询知识图谱的技能，一条 /graphify 命令即可运行。核心能力：
- 确定性结构层 + 可选语义层分工明确：代码用 tree-sitter 做 AST 静态解析（本地、免费、不调用 LLM），覆盖约 40 种语言的跨文件引用解析（import/调用/继承）；文档、论文、图片等非结构化内容才调用宿主 Agent 自身模型做语义抽取，按需付费
- 真图结构，非向量库：关系落盘为
graphify-out/graph.json，可用query（广度遍历）、path（两概念间最短路径）、explain（单节点讲解）等命令直接查询，支持导出 GraphML/SVG/Neo4j Cypher 供 Gephi、yEd、Neo4j 等外部工具使用 - 诚实的溯源标注：每条边标记为 EXTRACTED（实抽取）/ INFERRED（推断）/ AMBIGUOUS（存疑）三级置信度，避免把模型脑补当事实
- 跨会话持久化：图谱落盘后可在数周后直接查询，无需重新读一遍代码；
--update增量模式仅重新分析变更文件；--watch模式监听文件改动自动重建 - 社区发现算法：用 Leiden 算法做社区检测，找出你不会主动去问、却真实存在的跨文件/跨文档关联
- MCP Server 模式：
--mcp启动 stdio 服务，把图谱作为独立数据源供 Agent 直接查询
亮点：① YC S26（2026 夏季批次）孵化团队出品；② 88,257 Stars / 8,642 Forks，dev.to 等独立技术社区有实测评测文章；③ 官方独立域名 graphify.com / graphify.net；④ 仓库内含专门的 SECURITY.md 威胁模型文档，逐项列出 SSRF、路径穿越、XSS、prompt injection 等防护措施。
三、适用场景
固定分类：元技能与 Agent 增强
核心场景是给 Agent 与开发者本人建立“跨会话可复用的结构化上下文”：接手陌生大型代码库时先建图再动手，避免每次对话重新现读全部文件；把论文、推文、截图、笔记丢进一个 /raw 文件夹（作者称之为 Karpathy 式工作流），graphify 建出可查询的研究语料图谱；团队把 graph.json 提交进仓库，作为可长期演进的“代码即知识图谱”资产。受益人群：用 Claude Code / Codex 等工具处理大型或陌生代码库的工程师、需要整理长期研究语料的人、希望降低重复读文件 token 开销的团队。
四、跨 Agent 兼容性
| Agent | 结论 | 依据 |
|---|---|---|
| Claude Code | 原生支持 | 主打平台，/graphify 触发命令即为 Claude Code Skill 规范设计，README 与 PyPI 简介均列为首位 |
| Codex | 原生支持 | 仓库内含专属 skill-codex.md，README 平台列表明确包含 Codex |
| OpenClaw | 支持 | 仓库内含专属 skill-claw.md，README/PyPI 简介明确列出 OpenClaw；未对该平台做独立第三方验证 |
| Hermes Agent | 支持 | README/PyPI 简介明确列出 Hermes；未见独立的 skill-hermes.md，推测经通用 Agent Skills 标准兼容，未做独立验证 |
五、推荐理由
多数 Agent 理解一个陌生代码库靠临时读文件、每次对话都要重新现读一遍；graphify 把这个过程变成一次性投入、跨会话复用的图数据库资产——tree-sitter 保证代码结构解析零成本零幻觉，语义层按需调用模型，且每条关系都标注置信度而非一律当作事实。相比同类知识图谱类技能，graphify 额外提供 Neo4j/GraphML 导出与 MCP Server 模式，能直接接入外部图分析工具链而不锁死在单一 Agent 里，加之 YC 团队背景与详尽的公开威胁模型文档，整体强度在同类知识图谱技能中居前列。
六、评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 9 | 88,257 Stars / 8,642 Forks（GitHub API 实测）；YC S26 孵化背景；dev.to 等独立技术社区发布过实测评测文章 |
| 可用性 | 9 | uv tool install 一条命令安装；README/ARCHITECTURE.md/BENCHMARKS.md/CHANGELOG.md 文档完整；2026-07-16 仍有提交与 Release（v0.9.17 同日发布）；代码分析核心功能零付费依赖，文档/图片语义层可选接入本地模型 Ollama 免费运行 |
| 安全性 | 8 | 见下方安全检查清单 |
| 综合评分 | 8.67 | 三项均值 |
安全检查清单：
| 检查项 | 结果 |
|---|---|
| ① Shell 命令与权限范围 | 首次运行会执行 pip install graphifyy 安装本地包，随后调用本地 Python 脚本做解析；官方 SECURITY.md 声明不使用 shell=True、不对源码内容做 eval/exec |
| ② 运行时联网外发 | 官方声明“分析阶段不联网”，仅 graphify add <url> 显式抓取用户指定的 URL 时才联网；SECURITY.md 列出 SSRF 防护（仅允许 http/https、重定向到 file:// 会被拦截）与下载体积上限 |
| ③ API Key/凭据 | 代码结构分析无需任何凭据；仅文档/图片/视频的语义抽取需要用户自备的 LLM API Key（或改用本地 Ollama 免费替代），不会被要求写入本技能 |
| ④ 可疑指令排查 | 已抓取并阅读 SKILL.md 全文与 SECURITY.md，指令均为透明的检测→抽取→合并流程编排，未发现 prompt injection 或隐藏指令；SECURITY.md 额外说明对图谱节点标签做 HTML 转义与控制字符过滤，专门防范源文件内容里的 prompt injection 污染下游 |
| ⑤ 作者/组织信誉 | GitHub API 核实：仓库原属个人账号 safishamsi，2026-06-28 正式迁移至 Graphify Labs 组织（旧地址标准重定向，非仿冒），组织有独立官网与联系邮箱，PyPI 包页明确指向同一项目 |
| ⑥ License | MIT，仓库根目录明确声明 |
| ⑦ 最近维护 | 2026-07-16 仍有提交与新版本发布（v0.9.17），维护活跃度高 |
因存在本地代码执行与首次自动安装依赖包的行为（范围明确、SECURITY.md 逐项可审计，无外联证据），未达“纯提示词无代码执行”的 9–10 档，定为 8 分。
七、跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本 skill 的差异 |
|---|---|---|
| Understand-Anything（Egonex-AI） | 多智能体 LLM 流水线生成代码知识图谱，附带面向人类的 guided tour 与业务领域视图 | 定位偏“讲给人听”的入职导览；graphify 的结构层完全不依赖 LLM（tree-sitter 确定性解析），且额外提供 Neo4j/GraphML/Cypher 导出与 MCP Server 模式，能接入外部图数据库工具链，边的置信度分级（EXTRACTED/INFERRED/AMBIGUOUS）也更细 |
| CodeGraph（colbymchenry/codegraph） | 经 MCP 服务把预索引代码图谱喂给 Agent，服务对象是 Agent 而非人 | 仅覆盖代码，graphify 额外支持文档、论文、图片、视频等非代码语料，并原生支持“/raw 文件夹持续投喂“的研究语料工作流 |
| 传统向量库 RAG 方案 | 用 embedding + 相似度检索做上下文召回 | 相似度检索容易召回“字面相关但逻辑无关”的片段；graphify 是可遍历的真实图结构，能做“两个概念间最短路径”这类关系型查询，且完全不需要维护向量数据库 |
核心差异化：同类工具中，Understand-Anything 面向“人类快速上手”，CodeGraph 只服务代码语境下的 Agent 查询，graphify 是唯一同时覆盖代码与任意非结构化语料、且原生打通外部图数据库生态（Neo4j/GraphML）的方案。
八、用户评价
- Mir Mursalin Ankur（dev.to 独立评测）：在一个 5 包、1,020 文件的 TypeScript monorepo 与一个 702 文件的前端仓库上实测，graphify 成功建出 3,815 节点/4,830 边（大仓库）与 2,035 节点/2,357 边（小仓库）的图谱；指出全量 AST 重建在大型 monorepo 上约耗时 10 秒，不适合挂在每次文件保存都触发的 Claude Code hook 上，需要单独编排触发时机，避免连续编辑时进程堆积。
该技能目前在第三方平台的具名独立评测仅见以上 1 条。
九、其他补充
官方提供独立微站 graphify.net 与公司官网 graphify.com；graphify add <url> 支持把网页内容抓取进语料库并标注作者/贡献者，适合持续积累的个人知识库场景；插件生态覆盖 Claude Code、Codex、Cursor、Gemini CLI、GitHub Copilot CLI、Aider、Kilo Code、Trae、Kiro、Pi、Devin CLI、Google Antigravity 等 20 余个平台，跨平台覆盖面在同类技能中居前列。
十、安装使用方式
推荐方式（uv）：
uv tool install graphifyy
graphify install其他可选方式：
pipx install graphifyy
# 或
pip install graphifyy可选功能扩展（按需安装）：
pip install "graphifyy[pdf]" # PDF 论文抽取
pip install "graphifyy[video]" # 视频转录
pip install "graphifyy[sql]" # SQL Schema 解析
pip install "graphifyy[all]" # 全部功能安装后注意事项： graphify install 会向当前 Agent 写入对应的技能触发文件（如 Claude Code 的 skill.md、Codex 的 skill-codex.md），完成后在对话中输入 /graphify 即可对当前目录建图；首次运行会自动执行 pip install 安装依赖包，网络受限环境请提前手动安装；代码结构分析部分无需 API Key，若需处理文档/图片/视频语义层，需自备 LLM API Key 或改用本地 Ollama。
十一、注意事项
- 首次运行会静默执行
pip install安装 Python 依赖包，对该行为有顾虑的用户建议先手动预装 - 图谱 HTML 可视化查看器在节点数超过约 5,000 时会明显变卡，官方建议此时改用 JSON 数据直接查询而非依赖可视化界面
- 全量 AST 重建在千文件级 monorepo 上约需 10 秒，不适合直接挂载到高频触发的编辑器 hook，需要用户自行编排触发时机（如仅在会话开始或手动调用时运行）
- 文档/论文/图片/视频语义层依赖宿主 Agent 或用户自备的 LLM 调用，会产生相应 token/API 开销，纯代码分析则不受此限制
- OpenClaw、Hermes Agent 的兼容性依据官方文档列出的平台清单，未逐一实测验证，如需在这两个平台使用建议先小范围试跑确认