Graphify：开源本地多模态代码知识图谱工具，零LLM解析降低AI编码Token消耗
一、Graphify是什么
Graphify 是 Graphify-Labs 推出的开源本地优先多模态知识图谱工具，PyPI 包名为 graphifyy，主程序命令行调用为 graphify，基于 MIT 开源协议分发，核心语言为 Python，当前稳定版本 v8。
传统AI编程工具读取大型代码库时，会反复读取全部源码、消耗海量Token，且无法梳理跨文件依赖、模块架构逻辑；向量RAG仅能做模糊文本检索，缺失代码真实结构关联。Graphify 以此为核心痛点，通过 tree-sitter 对源码做原生AST解析，代码结构提取全程无需调用大模型、不产生Token消耗，同时兼容文档、图片、音视频、网页等多模态文件，统一构建结构化关联图谱，替代传统全文检索与向量知识库，适配各类AI编码助手做项目全局分析、代码架构查询。
所有代码解析流程完全在本地运行，源码数据不会上传第三方服务器，兼顾代码隐私与检索精准度，原生配套交互式可视化面板、架构报告、MCP服务，面向个人开发者、团队协作、企业代码治理三类人群提供完整图谱能力。
二、功能特色
1. 纯本地代码解析，零LLM开销
依托 tree-sitter 解析36+主流编程语言抽象语法树，自动提取类、函数、变量、导入引用、函数调用、类继承、接口依赖等实体与关系，全部逻辑离线完成，仅文档、多媒体语义提取环节按需调用LLM，大幅降低API调用成本。
2. 全品类多模态统一图谱构建
不局限于代码文件，支持 Markdown、PDF、Office文档、网页、本地图片、音视频、数据库Schema、工程配置文件等，音视频内置本地Whisper离线转录，图文文件可接入本地Ollama完成语义关联，所有资源整合至同一张知识图谱。
3. 智能图谱分析与自动架构拆解
采用Leiden拓扑聚类算法自动划分项目子模块，识别项目核心枢纽节点、跨模块隐性关联；每条关联边标注可信度等级：EXTRACTED（源码原生关系）、INFERRED（模型推导）、AMBIGUOUS（模糊关联），自动输出标准化架构分析文档。
4. 完整图谱交互查询体系
提供多组CLI查询指令，支持实体解释、路径溯源、自然语言图谱检索；可导出Mermaid、SVG、GraphML、Neo4j、FalkorDB图库格式，内置浏览器交互式可视化页面，支持节点筛选、关系检索、模块折叠。
5. 增量构建与Git团队协同
兼容 .gitignore 过滤规则，自定义 .graphifyignore 屏蔽无需扫描文件；增量更新模式仅重新解析修改文件，扫描速度大幅提升；支持Git钩子自动更新图谱，graphify-out 产物可提交代码仓库，团队成员拉取后直接复用图谱，无多人并发冲突。
6. MCP标准化服务部署
提供stdio本地服务、HTTP共享服务两种部署方案，支持Docker容器化；团队可部署统一图谱服务，Cursor、Claude Code、Aider等20余款AI编码IDE统一接入共享项目图谱。
7. 多端大模型兼容与离线优先
原生对接Ollama（全离线本地部署）、OpenAI、DeepSeek、Kimi、Claude、Azure OpenAI等主流大模型接口，支持自定义代理地址；可开启严格模式，强制AI优先读取图谱，禁止全量读取源码，极致压缩Token消耗。
8. 衍生工程辅助能力
支持PR变更影响分析、一键生成项目Markdown知识库、跨多仓库图谱合并、Obsidian双链笔记同步、企业级图谱导出等拓展功能。
三、技术细节
代码解析底层：tree-sitter 多语言AST解析引擎，无正则模糊匹配，精准识别编程语言语法实体，覆盖前端、后端、嵌入式、脚本、SQL等36种开发语言。
图谱存储结构：原生JSON持久化存储图谱数据，无需依赖向量数据库，轻量化无额外中间件部署；拓扑计算基于Leiden社区发现算法，实现无监督模块拆分。
多模态处理链路
代码：纯本地AST提取，无模型调用；
文档/PDF：本地文本提取，可选LLM做语义关联；
音视频：Whisper本地离线语音转文字；
图片：对接Ollama多模态模型提取文本与语义标签。
MCP通信层：遵循MCP标准协议，stdio管道本地IDE互通、HTTP服务支持局域网/公网团队共享，容器化镜像一键部署。
缓存与增量机制：基于文件哈希校验变更，未修改文件直接复用历史图谱节点与关系，大幅减少重复扫描耗时。
可视化前端：内置独立静态HTML可视化页面，纯前端渲染图谱，无需后端服务，本地浏览器直接打开使用。
依赖管理：项目开发环境基于uv管理Python依赖，支持pipx、uv tool隔离安装，避免全局Python环境冲突。
四、应用场景
个人大型项目开发
处理上万行单体项目、多模块仓库，借助图谱快速定位函数调用链路、类继承关系，替代反复全局搜索，降低AI编码工具上下文Token占用。AI编程助手增强
对接Cursor、Aider、Claude Code等工具，给AI提供完整项目架构上下文，解决大模型“看不懂大型仓库”的痛点，提升代码补全、重构、bug排查准确率。团队代码协作评审
统一提交图谱产物至Git，新人快速读懂项目架构；通过PR图谱分析功能，预判代码修改带来的跨模块影响，辅助代码评审。开源项目二次开发
对无完善文档的开源仓库自动生成架构报告，梳理核心流程与依赖枢纽，降低源码学习成本。多模态知识库统一管理
整合项目文档、设计图纸、需求录音、会议纪要，构建代码+文档一体化知识库，同步至Obsidian双链笔记。企业代码资产治理
企业版Graphify Enterprise可批量同步多仓库、会议记录、业务文档，构建企业全域代码知识图谱，用于技术资产沉淀、架构巡检。
五、使用方法
1. 环境前置要求
Python 3.10 及以上版本，推荐使用 uv / pipx 隔离安装，避免污染系统Python环境。
2. 安装命令
# uv工具隔离安装（推荐） uv tool install graphifyy # 绑定本地AI助手MCP能力 graphify install
Windows PowerShell环境执行指令无需前置斜杠，直接使用 graphify .。
3. 基础项目图谱构建
进入项目根目录，执行扫描生成完整图谱文件：
graphify .
执行完成后项目内自动生成 graphify-out 文件夹，包含三类核心产物：
graph.html：交互式可视化图谱网页；
GRAPH_REPORT.md：可读项目架构分析报告；
graph.json：完整结构化图谱原始数据。
4. 常用查询指令
# 查看指定函数/类的全部关联关系 graphify explain UserService # 查询两个实体之间最短调用链路 graphify path LoginController TokenUtil # 自然语言检索图谱信息 graphify query "项目支付模块包含哪些核心接口" # 仅更新修改文件，增量构建图谱 graphify --update .
5. MCP共享服务部署
# 本地stdio服务（IDE本地调用） graphify mcp stdio # 启动HTTP团队共享服务 graphify mcp http
6. 图谱导出
支持导出Neo4j图库、Mermaid流程图、SVG图片、Obsidian笔记等格式，示例：
graphify export mermaid ./arch.mmd
六、竞品对比
选取行业内两款主流代码知识库工具：Mem0、CodeRAG，从核心架构、代码解析、本地隐私、Token开销、多模态支持维度对比。
| 对比维度 | Graphify | Mem0 | CodeRAG |
|---|---|---|---|
| 底层存储架构 | 原生知识图谱，无向量库依赖 | 向量数据库存储记忆片段 | 向量嵌入检索，依赖Embedding |
| 代码解析方式 | tree-sitter AST原生解析，离线无LLM | 文本切片向量化，无法识别语法结构 | 文件文本分割+Embedding，无语法分析 |
| 代码处理Token消耗 | 代码提取零LLM调用，极低开销 | 每次检索重复向量化，Token消耗高 | 全文件嵌入生成，初始化消耗大 |
| 本地隐私策略 | 代码解析全本地，无遥测、不上传源码 | 云端同步记忆，部分数据上传服务端 | 本地向量存储可选，语义提取依赖API |
| 多模态文件支持 | 代码+文档+音视频+图片全兼容 | 仅文本类记忆，不支持音视频、图纸 | 仅代码与Markdown文档 |
| 团队协同方案 | Git增量图谱、HTTP MCP共享服务 | 单人独立记忆，无团队协作能力 | 仅本地单项目使用，无共享服务 |
七、常见问题解答
Q：执行graphify命令提示找不到指令怎么办？
A：使用uv tool安装后需确认uv环境变量已写入系统PATH；Windows系统重启终端刷新环境变量，Linux/macOS可执行 source ~/.bashrc 重载配置，也可改用pipx重新隔离安装。
Q：扫描大型项目速度很慢如何优化？
A：第一使用 --update 参数开启增量扫描，仅解析修改文件；第二新建 .graphifyignore 文件屏蔽node_modules、dist、build等编译产物目录；第三关闭多媒体自动语义提取，仅保留代码解析模块。
Q：Windows运行时出现路径报错、转义异常？
A：PowerShell终端直接执行 graphify .，不要添加前置斜杠；文件路径包含中文、空格时用双引号包裹项目目录路径。
Q：Ollama本地模型显存不足，多媒体解析失败？
A：在配置文件中关闭图片、视频自动语义解析，仅保留代码与纯文本文档处理；切换轻量化小参数多模态模型，降低显存占用。
Q：生成的graph.html打开后节点加载卡顿？
A：上万实体的大型仓库可在扫描时添加过滤参数，只解析业务源码，排除测试文件与第三方依赖；打开可视化页面时使用Chrome浏览器，关闭浏览器多余占用内存的插件。
Q：图谱多人协作提交Git后出现数据冲突？
A：Graphify内置JSON图谱合并逻辑，正常提交不会冲突；冲突出现时重新执行 graphify --update 自动合并本地变更与仓库图谱。
Q：如何切换DeepSeek、Kimi等第三方LLM接口？
A：修改项目根目录Graphify配置文件，填入对应服务商API Key、自定义代理地址，切换模型名称后重启扫描即可生效，同时支持多模型配置快速切换。
八、相关链接
GitHub仓库地址：https://github.com/Graphify-Labs/graphify
九、总结
Graphify 凭借纯本地AST代码解析、无向量库轻量化图谱架构、全品类多模态兼容与标准化MCP服务能力，解决了传统AI编码工具处理大型代码库Token消耗高、无法梳理真实代码依赖、隐私不安全等核心痛点，兼顾个人开发者离线使用需求与团队多人代码协同场景，轻量化部署无需额外数据库中间件，适配绝大多数主流编程语言与AI编程助手，是兼顾精准度、隐私性与易用性的开源代码知识图谱解决方案。
版权及免责申明：本文由@97ai原创发布。该文章观点仅代表作者本人，不代表本站立场。本站不承担任何相关法律责任。
如若转载，请注明出处：https://www.aipuzi.cn/ai-news/graphify.html
