为什么你的 AI 写代码总像个外人？

你肯定遇到过这种情况：让 Claude 帮你加个功能，它给的代码看着没问题，但总觉得哪里不对劲。它不知道你的 HTTP 客户端其实串联了整个项目，也没察觉到认证模块藏着个容易出问题的依赖。

这正是 Graphify 想解决的问题。现在的 AI 虽然能写代码，但对你的整个系统缺乏整体理解，尤其是当项目里混着多种语言、文档、论文和架构图的时候。

Graphify 到底在做什么

简单说，Graphify 给你的代码库建了一张语义关系图。它不只是列出文件，而是把代码里的各种关系找出来，标出关键节点，还能发现你可能忽略的依赖。

它主要靠三招：

静态分析加语义理解：用 Tree-sitter 解析 19 种以上语言的抽象语法树和调用关系，再配合大模型提取代码背后的意图。

多模态支持：不只看代码，还能读 Markdown、PDF、图片和架构图，把实现和设计文档连在一起。

智能社区发现：用 Leiden 算法自动把相关组件归类，不需要向量嵌入，速度快还容易看懂。

从代码到洞察的流程

Graphify 把整个过程分成七步：

1. 收集：把项目里的文件全找出来
2. 提取：解析代码结构，同时用大模型理解文档里的含义
3. 建图：把所有信息合并成 NetworkX 图
4. 聚类：自动找出代码里的自然分组
5. 分析：找出核心组件和隐藏的交叉依赖
6. 报告：生成人类能读懂的审计报告
7. 导出：输出交互式 HTML、JSON 和 Obsidian 格式

最后你得到的不是一堆原始代码，而是给 AI 准备好的知识图谱。以后再让 AI 写功能，它就有上下文了。

实际效果怎么样

项目里有两个案例能说明问题。

HTTPx 项目：6 个 Python 文件变成了 144 个节点、330 条边、6 个语义社区。图里清楚地显示出 Client、AsyncClient 和 Response 是核心，还发现 DigestAuth 和 Response 有直接连接——这个关系值得注意。

Karpathy 的混合语料：处理了 3 个 GPT 框架、5 篇注意力论文和 4 张架构图（共 52 个文件、9.2 万字），Graphify 把查询成本降到了原来的 1/71.5。既省 token，又让 AI 理解得更深。

对开发者和小团队来说，这意味着 AI 能更快地帮你工作，同时还不会把 API 账单堆起来。

隐私和安全

Graphify 很在意隐私。它不把原始代码上传到外部服务。需要大模型帮忙理解时，只会发送代码的描述，而不是代码本身。所有下载都有限制，输出路径也做了检查，避免安全问题。

整个项目零遥测，你的数据完全由你控制。

为什么和域名、托管有关

如果你在用 NameOcean 这样的平台托管，或者项目涉及多个服务和 API，Graphify 就更有价值。现代应用往往分散在不同部署目标上，有一张把代码、文档和架构连起来的图，能让你和 AI 都保持同步。

对创业团队尤其实用——文档常常跟不上代码更新，Graphify 可以帮你把这些信息整理清楚。

开始使用

安装很简单：

pip install graphifyy && graphify install

然后指定一个目录：

graphify ./your-project

几秒钟后你就能看到 graph.html、GRAPH_REPORT.md 和 graph.json，可以直接用。

项目用 MIT 许可，依赖干净（NetworkX 和 Tree-sitter 都是宽松开源协议），没有授权顾虑。

最后想说

Graphify 改变了 AI 辅助开发的方式。它不是把代码当成一堆文件，而是真正理解系统里的关系。对多语言项目、快速迭代的开发者来说，这可能是 AI 建议和 AI 真正理解之间的区别。

如果你已经在用 AI 写代码，花 30 秒给代码库建一张图，可能是这段时间最值得的投资。