在使用 AI 輔助開發（如 Claude Code、Copilot、Codex）接手或分析大型專案時，若讓 AI 直接讀取大量檔案，不僅會耗費大量 Token，AI 也容易迷失在細節中。Graphify 橫空出世，落實了 Karpathy 的工作流程，它是一款強大的擴充工具，能將專案內的程式碼、文件、圖片甚至影音，轉換為「可查詢的知識圖譜（Knowledge Graph）」。它能引導 AI 優先閱讀摘要報告，快速掌握系統架構與設計理念，這是我一直想要的阿。
OpenAI 共同創辦人安德烈·卡帕西 (Andrej Karpathy) 最近公開了他的解法：讓 AI 代替你做這些整理工作 https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
核心特色
- 免向量資料庫（No Embeddings）：純粹依賴圖論拓撲與 Leiden 演算法進行社群偵測，不需依賴向量資料庫。
- 大幅節省 Token：實測顯示，與直接讀取原始檔案相比，最高可減少 71.5 倍的 Token 消耗。
- 三階段解析機制：
- 靜態提取：使用 tree-sitter 直接解析 AST（支援逾 20 種語言），無需呼叫 LLM，完全本地執行。
- 影音轉錄：透過本地端的 faster-whisper 將音訊與影片轉為文字。
- 語意分析：利用 LLM 平行分析文件與轉錄文字，找出概念間的關聯。
- 多平台支援：完美支援 Claude Code、Cursor、Gemini CLI、GitHub Copilot CLI 等多款主流 AI 開發環境。
開發環境
- Windows 11 Pro + WSL Ubuntu 24.04
- gemini cli
- graphify safishamsi/graphify
安裝方式
環境需求：Python 3.10+。
請注意，官方的 PyPI 套件名稱是 graphifyy（有兩個 y），請在終端機執行以下指令安裝：
pip install graphifyy
接著，根據你使用的 AI 助手寫入常駐設定檔（以 Claude Code 為例）
graphify claude install(若使用 Cursor，則輸入 graphify cursor install，其他平台依此類推。)
或者你像我一樣懶得看文檔，環境的事就交給 gemini 發揮了。
看著它列計畫，穩了。
直接叫他全自動安裝，不要停。
使用方式
AI Agent
在終端機進入"專案根目錄"，開啟你的 AI Agent 並輸入以下指令：
/graphify .(備註：Codex 用戶請改用 $graphify .)
執行完畢後，專案下會自動生成 graphify-out/ 目錄，包含：
GRAPH_REPORT.md：知識圖譜總結報告。常駐工具會引導 AI 在搜尋檔案前先閱讀此檔，直接掌握架構地圖。graph.html：視覺化的互動圖表，可直接點擊、搜尋節點。graph.json：持久化的圖譜資料，供後續快速查詢，不用重新讀檔。
知識圖譜建立後，接下來就可以在那個專案裡面用自然語言發問，工具安裝的時候已經自動幫你處理好，讓 AI Agent 使用知識圖譜。如果你像我一樣懶，也可以直接問 AI。
若專案內容有更新，這樣就只會針對有異動的部分更新，節省時間跟金錢
/graphify . --update
獨立查詢 (CLI)
你也可以跳過 AI 助手，直接透過指令精準查詢圖譜：
# 查詢特定功能的運作流程
graphify query "show the auth flow"
# 尋找兩個節點之間的最短路徑
graphify path "DigestAuth" "Response"更多的指令請參考 Usage
簡單來說：常駐 Hook 給了你的 AI 助手一張地圖；而 /graphify 指令則讓它能在地圖上精確導航。
總結
Graphify 就像是給 AI 助手配備了一張專案地圖。透過預先建立的知識圖譜，AI 可以精準導航，而不是無效率地對整個專案進行 Grep 搜尋。這不僅替開發者省下了可觀的 API 費用，更大幅提升了釐清系統架構的效率。最近這幾天使用起來，AI Agent 回答的速度真的變快了許多。
若有謬誤，煩請告知，新手發帖請多包涵
Microsoft MVP Award 2010~2017 C# 第四季
Microsoft MVP Award 2018~2022 .NET
