Graphify: Χτίσε έναν χάρτη για τον κώδικά σου

Όλοι έχουμε πετύχει αυτή την κατάσταση. Ανοίγεις ένα project που είχες να αγγίξεις μήνες και κοιτάς τα αρχεία σαν να είναι γραμμένα σε αρχαία ελληνικά. Ξέρεις ότι κάπου εκεί μέσα υπάρχει η λογική. Απλά δεν τη βρίσκεις.

Το Graphify υπόσχεται να αλλάξει αυτό—τουλάχιστον για τους AI βοηθούς που γράφουν κώδικα.

Τι είναι το Graphify;

Φαντάσου ότι δίνεις στον AI assistant σου έναν ολόκληρο χάρτη του project αντί για ένα σωρό αρχεία. Αυτό ακριβώς κάνει το Graphify: χτίζει ένα ερωτήσιμο knowledge graph από τον κώδικά σου, την τεκμηρίωση, τα papers, ακόμα και τα διαγράμματα αρχιτεκτονικής.

Το εργαλείο δημιουργήθηκε από τον Safi Shamsi και κυκλοφορεί με άδεια MIT. Στηρίζεται σε αξιόπιστα εργαλεία: το NetworkX για τις γραφικές λειτουργίες και το Tree-sitter για static code analysis.

Πολλαπλές μορφές, ένα γράφος

Το δυνατό σημείο του Graphify είναι η πολυμορφικότητα. Δεν απλά διαβάζει κώδικα—διαχειρίζεται διαφορετικούς τύπους εισόδου:

• Πηγαίο κώδικα (.py, .js, .go, .java και άλλα) — Το Tree-sitter εξάγει ASTs, call graphs και docstrings
• Markdown και PDFs — LLM-driven εξαγωγή για έννοιες από κείμενο
• Διαγράμματα και εικόνες — Vision models διαβάζουν τα διαγράμματα αρχιτεκτονικής σου

Το αποτέλεσμα; Δεν παίρνεις απλά ένα call graph. Παίρνεις σημασιολογικές σχέσεις μεταξύ εννοιών που εκτείνονται σε διαφορετικούς τύπους αρχείων.

Από σκορπισμένο repo σε interactive γράφο

Η διαδικασία είναι απλή αλλά αποτελεσματική:

1. Εντοπισμός & Συλλογή — Βρες όλα τα σχετικά αρχεία
2. Εξαγωγή — Απόσπασε ASTs και semantic nodes/edges
3. Χτίσιμο — Δημιούργησε ένα NetworkX graph
4. Ομαδοποίηση — Εφάρμοσε τον αλγόριθμο Leiden για community detection
5. Ανάλυση — Εντόπισε "god nodes" και απροσδόκητες συνδέσεις
6. Αναφορά — Δημιούργησε αναγνώσιμη έξοδο

Η κοινοτική ανίχνευση είναι έξυπνη κίνηση. Αντί να βασίζεται σε vector embeddings—που είναι ακριβά και θορυβώδη—χρησιμοποιεί τον αλγόριθμο Leiden για να ομαδοποιήσει σχετικό κώδικα σε semantic clusters. Χωρίς embedding model.

God Nodes και "Εκπλήξεις"

Ένα χαρακτηριστικό που τράβηξε την προσοχή μου: το Graphify εντοπίζει "god nodes"—τα αρχεία ή components με την υψηλότερη συνδεσιμότητα στο γράφο. Συνήθως είναι οι βασικές σου κλάσεις, τα entry points ή τα κρίσιμα utilities.

Πιο ενδιαφέρον: εντοπίζει "surprises"—απροσδόκητες διασυνδέσεις μεταξύ αρχείων ή domains που μπορεί να υποδηλώνουν design issues ή undocumented dependencies.

Σε ένα παράδειγμα με τη βιβλιοθήκη httpx, το Graphify βρήκε μια τέτοια σύνδεση μεταξύ DigestAuth και Response. Σχέση που δεν φαίνεται διαβάζοντας μεμονωμένα αρχεία, αλλά γίνεται προφανής σε γράφο.

Το επιχείρημα της Token Efficiency

Ένα νούμερο που αξίζει να θυμάσαι: στα benchmarks τους, το Graphify πέτυχε 71.5× μείωση στη χρήση tokens σε σχέση με naive context injection.

Δεν είναι ασήμαντο. Όταν πληρώνεις ανά token, η μείωση του κόστους κατά τέτοιο παράγοντα μετράει. Και δεν πρόκειται μόνο για χρήματα—μικρότερα context windows σημαίνουν ταχύτερες απαντήσεις και λιγότερο hallucination risk.

Ασφάλεια χωρίς παραλείψεις

Τα open-source εργαλεία που κατεβάζουν URLs και επεξεργάζονται κώδικα πρέπει να παίρνουν σοβαρά την ασφάλεια. Το Graphify φαίνεται να το κάνει:

• Επιτρέπει μόνο http/https URLs
• Όρια μεγέθους και timeout στα downloads
• Path containment checks (όχι directory traversal)
• HTML escaping σε όλα τα node labels
• Χωρίς telemetry ή αποστολή δεδομένων σε τρίτους

Ο κώδικάς σου δεν βγαίνει ποτέ από το περιβάλλον σου. Το Graphify στέλνει μόνο semantic descriptions—όχι raw source—στο AI model που έχεις ρυθμίσει.

Ολοκλήρωση με AI Assistants

Το Graphify έρχεται με απλές εντολές για Claude Code, Codex και OpenCode:

• /graphify — Χτίσε ένα νέο γράφο
• /graphify query <ερώτηση> — Ρώτα για τον κώδικά σου
• /graphify path <αρχείο> — Εστίασε σε συγκεκριμένα paths
• /graphify explain — Πάρε επεξηγήσεις της δομής του γράφου

Η έξοδος περιλαμβάνει ένα interactive graph.html για οπτικοποίηση, ένα graph.json για προγραμματιστική πρόσβαση, και ένα GRAPH_REPORT.md για αναφορά.

Εγκατάσταση

Για όσους θέλουν να το δοκιμάσουν:

pip install graphifyy
graphify install
graphify ./your-project

Απαιτήσεις: Python 3.10+ και API key για το AI model της επιλογής σου (Claude, OpenAI, κ.λπ.).

Πού χωράει στο οικοσύστημα

Το Graphify δεν προσπαθεί να αντικαταστήσει το Sourcegraph ή το Neo4j. Καταλαμβάνει έναν ενδιαφέροντα ενδιάμεσο χώρο:

• Πιο semantic από static analysis tools
• Πιο structured από vector-based retrieval
• Φτιαγμένο για AI assistant context injection

Για developers που δουλεύουν με AI coding assistants σε complex projects—ειδικά mixed codebases με documentation και research—γεμίζει ένα πραγματικό κενό.

Η Μεγαλύτερη Εικόνα

Εργαλεία σαν το Graphify αντιπροσωπεύουν μια ευρύτερη τάση: AI assistants που δεν απλά γεννούν κώδικα, αλλά κατανοούν τα συστήματα που δουλεύουν. Ένα knowledge graph δεν είναι απλά visualization trick—είναι μια δομή συλλογισμού που μπορεί να υποστηρίξει ακριβέστερες, context-aware προτάσεις.

Αν το Graphify θα γίνει το standard για AI code understanding, μένει να φανεί. Αλλά το πρόβλημα που λύνει είναι αληθινό. Οι codebases είναι πολύπλοκα, διασυνδεδεμένα συστήματα. Ίσως αξίζουν graph-based εργαλεία αντί για file-tree navigators.

Αν έχεις κουραστεί να προσπαθείς να εξηγήσεις στην AI την αρχιτεκτονική του project σου, το Graphify αξίζει ένα απόγευμα πειραματισμού.

Έχεις δοκιμάσει knowledge graph εργαλεία για κατανόηση κώδικα; Μοιράσου την εμπειρία σου στα σχόλια.