Andrej Karpathy前两天刚说“应该有人做这个”，48小时后真有人干出来了。

这是个叫Graphify的AI编程助手技能。操作很简单：在Claude Code里输入 `/graphify 任意文件夹`，它就自动给你生成一套完整的东西——知识图谱、Obsidian vault、Wiki页面。

支持13种代码语言，PDF和图片也能处理，用的是Claude Vision。

最夸张的数字是token消耗：查一次只要原来的1/71.5。什么意思？你丢一堆代码、论文、截图给AI，以前它每次都得重新读一遍，现在直接问知识图谱就行。

工作原理是两轮。第一轮用AST做结构化提取，代码的类、函数、import、调用图、docstring这些直接抽出来，不用LLM。第二轮才用LLM处理文档、图片，提取概念和关系。两轮结果合并成NetworkX图，用Leiden算法做社区发现。

有意思的是它的tag机制。每条边都标着EXTRACTED（直接从源码发现的）、INFERRED（合理推断，有置信度分数）、或AMBIGUOUS（标记待审查）。你知道哪些是AI猜的、猜得有多自信，不用全信它的输出。

安装就一行：`pip install graphifyy && graphify install`。

评论区有人问：这跟让Claude Code先跑一遍代码文档，然后直接问它有什么区别？

区别确实有。传统的代码文档是线性文本，你问一个架构问题，AI得自己在文档里搜关键词。知识图谱是结构化的，它知道类A调用类B、类B实现了接口C、而这个接口的设计动机来自某篇论文的某章。它能回答“为什么这里要这么设计”这种问题，不只是“这里代码在干什么”。

还有人在评论区提到DocMason，做的是类似的事——把各种格式的文档（PDF、PPT、邮件、markdown）变成结构化知识库。看来这个方向最近不少人盯上了。


本质上是同一个趋势：AI编程助手的能力瓶颈，从“模型不够强”变成了“上下文太长”。与其喂更多token，不如换一种组织方式。

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