Graphify: превращаем хаос кода в понятную карту для AI-ассистентов

Давайте признаемся: каждый из нас открывал проект, который не трогал несколько месяцев, и чувствовал это знакомое чувство паники. Файлы на месте, архитектура в голове где-то болтается. Но связать всё воедино? Это уже археология.

Graphify пытается решить эту проблему — причём конкретно для AI-ассистентов.

Что такое Graphify?

Graphify — это открытый навык (skill), который строит запросный граф знаний из всего вашего кодbase. Сюда входит исходный код, документация, исследовательские работы и даже диаграммы. Всё сливается в единый граф, где можно искать и который объясняет не только что делает код, но и почему он спроектирован именно так.

Если совсем просто: вы даёте AI-ассистенту карту проекта вместо кучи файлов.

Инструмент создал Safi Shamsi, распространяется под MIT-лицензией. Работает на проверенных технологиях: NetworkX для операций с графами и Tree-sitter для статического анализа кода.

Мультимодальность — вот что интересно

Graphify не просто парсит код. Он понимает разные форматы:

• Исходный код (.py, .js, .go, .java и другие) — Tree-sitter вытаскивает AST, call graphs и docstrings
• Markdown и PDF — LLM извлекает концепции из текста
• Диаграммы и картинки — Vision-модели читают архитектурные схемы

Благодаря такому подходу вы получаете не просто call graph. Вы видите семантические связи между концепциями, которые живут в разных файлах и форматах.

Как это работает: от репозитория к интерактивному графу

Паipline простой, но мощный:

1. Сбор — находим все нужные файлы
2. Извлечение — достаём AST и семантические узлы/рёбра
3. Построение — создаём NetworkX-граф
4. Кластеризация — применяем алгоритм Leiden для обнаружения сообществ
5. Анализ — ищем "богов" (файлы с высокой центральностью) и неожиданные связи
6. Отчёт — генерируем читаемый результат

Кластеризация особенно умная. Graphify не полагается на векторные эмбеддинги (которые дорогие и неточные), а использует алгоритм Leiden для группировки связанного кода в семантические кластеры. Никаких embedding-моделей не нужно.

Богатства и сюрпризы

Фича, которая меня зацепила: Graphify находит так называемые "god nodes" — файлы или компоненты с самой высокой связностью в графе. Обычно это ваши core-классы, точки входа или критически важные утилиты.

Ещё интереснее — он помечает "surprises", то есть неожиданные кросс-файловые или кросс-доменные связи. Это может указывать на проблемы в дизайне, недокументированные зависимости или области, требующие внимания.

В одном из примеров на библиотеке httpx Graphify нашёл неожиданную связь между DigestAuth и Response. Такую связь не увидишь, читая файлы по отдельности. Но на графе всё становится очевидным.

Аргумент про эффективность токенов

Цифра, которую стоит запомнить: в тестах на смешанном корпусе (репозитории GPT-фреймворков плюс научные статьи) Graphify показал сокращение использования токенов в 71.5 раз по сравнению с наивным контекстным инжектом.

Это не мелочь. Когда платите за AI API помимо токенов, такое сокращение запросов ощутимо. И речь не только о деньгах — меньшие контекстные окна дают более быстрые ответы и меньше галлюцинаций.

Безопасность, которой не пренебрегают

Open-source инструменты, которые тягают URL и обрабатывают код, должны относиться к безопасности серьёзно. Graphify это понимает:

• Только http/https URL
• Лимиты на размер и таймауты при скачивании
• Проверка путей (никакого directory traversal)
• HTML-escaping для всех меток узлов
• Никакой телеметрии и сбора данных третьими лицами

Ваш код никогда не покидает вашу среду. Graphify отправляет AI-модели только семантические описания, а не сырой исходник.

Интеграция с AI-ассистентами

Graphify поставляется с простыми командами для Claude Code, Codex и OpenCode:

• /graphify — построить новый граф
• /graphify query <вопрос> — задать вопрос о кодовой базе
• /graphify path <файл> — сфокусироваться на конкретных путях
• /graphify explain — получить объяснение структуры графа

На выходе: интерактивный graph.html, graph.json для программного доступа и GRAPH_REPORT.md для аудита.

Установка

Хотите попробовать:

pip install graphifyy
graphify install
graphify ./your-project

Требования: Python 3.10+ и настроенный API-ключ для вашей AI-модели (Claude, OpenAI и т.д.).

Место Graphify в экосистеме

Он не пытается заменить Sourcegraph или Neo4j. Graphify занимает интересную нишу:

• Семантичнее статических анализаторов
• Структурированнее векторного поиска
• Заточен именно под контекстную инъекцию в AI-ассистенты

Для разработчиков, которые работают с AI-кодинг-ассистентами над сложными проектами — особенно смешанными кодовыми базами с документацией и исследованиями — это реально заполняет пробел.

Большая картина

Graphify — часть более широкого тренда: AI-ассистенты, которые не просто генерируют код, а реально понимают системы, с которыми работают. Граф знаний — это не визуализация для красоты. Это структура для рассуждений, которая позволяет делать более точные и контекстно-зависимые подсказки.

Будет ли Graphify стандартом для понимания кода AI — пока непонятно. Но проблема, которую он решает, реальна. Кодовые базы — это сложные, взаимосвязанные системы. Возможно, им больше подходят графовые инструменты, а не навигаторы по файловому дереву.

Если вы постоянно бьётесь над тем, чтобы заставить AI-ассистента понять архитектуру вашего проекта, Graphify заслуживает вечернего эксперимента.

Пробовали инструменты на основе графов знаний для понимания кода? Расскажите в комментариях.