AIAgent之GraphToolGraphify的简介、安装和使用方法、案例应用之详细攻略目录Graphify的简介1、特点Graphify的安装和使用方法1、安装2、使用方法1构建知识图谱2查询知识图谱3启动 MCP ServerGraphify的案例应用案例一构建项目知识图谱——将代码仓库转换为知识图谱案例二查询模块之间的关系——查询认证模块与数据库之间的关联路径案例三分析 Pull Request 对知识图谱的影响——使用 Graphify 分析 PR 冲突与评审优先级Graphify的简介Graphify 是一个开源MIT License、本地优先On-device的 AI Coding Assistant Skill用于将代码仓库转换为可查询的知识图谱Knowledge Graph。项目提供 Python CLI 工具和 /graphify Skill开发者安装后即可将仓库映射为知识图谱并通过命令行或 MCPModel Context Protocol对图谱进行查询而无需依赖云端服务或 API Key。整个分析过程均在本地完成。Graphify 的核心工作流程包括三个阶段首先安装并注册/graphify Skill随后扫描项目将代码、Markdown、PDF、Office 文档、SQL Schema、Terraform 以及 PostgreSQL 等内容统一映射为知识图谱最后通过自然语言查询、路径分析、节点解释以及 PR 分析等方式访问图谱。构建完成后项目会生成交互式图谱、架构报告以及机器可读的图数据文件供 AI Assistant 持续查询。项目同时提供 CLI 与 MCP 两种访问方式。CLI 支持知识图谱查询、路径搜索、节点解释及 Pull Request 分析MCP Server 则可将知识图谱作为统一的数据源提供给多个 AI Assistant 使用并内置查询图谱、获取节点、获取邻居节点、最短路径、PR 影响分析等工具方便集成到不同的 AI 开发环境中。Github地址GitHub - Graphify-Labs/graphify: AI coding assistant skill (Claude Code, Codex, OpenCode, Cursor, Gemini CLI, and more). Turn any folder of code, SQL schemas, R scripts, shell scripts, docs, papers, images, or videos into a queryable knowledge graph. App code database schema infrastructure in one graph. · GitHub1、特点特点详细说明本地优先运行所有图谱构建与查询均在本地完成无需账号或 API Key。知识图谱构建将代码仓库及多种文档统一转换为知识图谱。AI Assistant Skill安装后自动注册 /graphify Skill可供多个 AI Coding Assistant 调用。支持多种数据源支持 36 种编程语言以及 Markdown、PDF、Office 文档、SQL Schema、Terraform、PostgreSQL 等内容。CLI 查询能力提供 query、path、explain、prs 等命令实现自然语言查询与图谱遍历。MCP Server支持以 MCP Server 形式向多个 AI Client 提供统一图谱访问能力。可追溯查询结果查询结果包含明确的路径及 file:line 引用并标记 EXTRACTED、INFERRED、AMBIGUOUS 等关系类型。增量更新支持 --update 对已有图谱执行增量扫描仅更新发生变化的内容。深度分析模式支持 --mode deep 执行多轮、更深入的图谱分析。PR 分析能力提供 Pull Request 图谱映射、冲突检测、Review 优先级排序等能力。Graphify的安装和使用方法1、安装安装 Graphify CLI推荐使用 uv 安装 uv tool install graphifyy 也可使用 pipx install graphifyy 或 pip install graphifyy 安装完成后注册 Skill graphify installgraphify install 会自动检测本机支持的 AI Coding Assistant并注册 /graphify Skill。项目说明支持 Claude Code、Cursor、GitHub Copilot、Codex、Gemini CLI、Aider 等共 17 种 Assistant。2、使用方法1构建知识图谱在 AI Assistant 中执行/graphify . 构建完成后会在 graphify-out/ 目录生成 graph.html交互式知识图谱 GRAPH_REPORT.md架构分析报告 graph.json机器可读的知识图谱数据。 若仅更新变更内容 /graphify . --update 执行更深入的分析 /graphify . --mode deep2查询知识图谱自然语言查询 graphify query what connects auth to the database? 查询两个节点之间的路径 graphify path UserService DatabasePool 查看节点说明 graphify explain RateLimiterCLI 会返回带有 file:line 引用的图谱路径并标记关系来源。3启动 MCP Server启动标准输入stdio模式 python -m graphify.serve graphify-out/graph.json 启动 HTTP 服务 python -m graphify.serve graphify-out/graph.json --transport http --port 8080随后可在 .mcp.json 中注册 Graphify MCP Server供 MCP Client 调用。Graphify的案例应用案例一构建项目知识图谱——将代码仓库转换为知识图谱安装并注册 Graphify 后在 AI Assistant 中执行/graphify .项目会扫描仓库内容并在 graphify-out/ 目录生成交互式图谱graph.html、架构报告GRAPH_REPORT.md以及机器可读图数据graph.json后续查询均基于该知识图谱完成。案例二查询模块之间的关系——查询认证模块与数据库之间的关联路径执行自然语言查询graphify query what connects auth to the database?CLI 将返回模块之间的关联路径并附带对应的 file:line 引用同时标记每条关系属于 EXTRACTED、INFERRED 或 AMBIGUOUS。案例三分析 Pull Request 对知识图谱的影响——使用 Graphify 分析 PR 冲突与评审优先级查看所有 Pull Request graphify prs 生成评审优先级 graphify prs --triage 检测潜在冲突 graphify prs --conflictsGraphify 会根据知识图谱分析每个 PR 涉及的节点、重叠区域及潜在合并风险帮助开发者确定 Review 顺序并提前发现冲突。