graphify

1. Projektübersicht

Graphify verwandelt jede Codebasis – zusammen mit ihrer Dokumentation, SQL-Schemata, Konfigurationsdateien und PDFs – in einen abfragbaren Wissensgraphen. So können Entwickler große, unbekannte Projekte durch erklärbare Graphtraversierung verstehen, anstatt Dateien zu durchsuchen oder sich auf undurchsichtige semantische Suche zu verlassen.

2. Hintergrund & Positionierung

Das Verständnis einer großen Codebasis bedeutete traditionell entweder manuelles Durchsuchen von Dateien oder das Vertrauen in eine Vektor-Embedding-Suche, die „ähnliche" Ergebnisse liefert, ohne zu erklären, warum zwei Codeabschnitte zusammenhängen. Graphify wurde entwickelt, um diese Lücke zu schließen: Es parst Quellcode lokal mit deterministischen AST-Werkzeugen (tree-sitter) und erstellt einen echten Graphen aus Entitäten und Beziehungen, der traversiert, abgefragt und erklärt werden kann.

Das Kernanliegen des Projekts ist Transparenz. Jede extrahierte Beziehung wird entweder als EXTRACTED (explizit im Quellcode, z. B. ein Import oder Funktionsaufruf) oder als INFERRED (durch graphifys eigene Analyse aufgelöst) gekennzeichnet, sodass Entwickler immer wissen, ob eine Verbindung eine Tatsache aus dem Code oder eine abgeleitete Schlussfolgerung ist.

Im Vergleich zu typischen RAG-basierten Code-Assistenten positioniert sich graphify explizit als kein Vektorindex – es sind keine Embeddings und kein Vektor-Store an der Erstellung des Kern-Graphen beteiligt. Die Codeanalyse läuft vollständig lokal über tree-sitter, ohne LLM-Aufrufe und ohne API-Credits, um einen Graphen für Quellcode zu erstellen. Optionale KI-Backends werden nur für die semantische Extraktion aus Nicht-Code-Formaten wie PDFs, Bildern und Videos aufgerufen.

3. Funktionskategorien

🕸️ Grapherstellung – Kernfunktion, erstellt den Wissensgraphen aus einem Projekt

• God-Node-Erkennung (Identifizierung der am stärksten vernetzten Konzepte in einer Codebasis)
• Community-Erkennung mittels Leiden-basierter Clusterung zur Findung von Subsystemen
• Dateiübergreifende Linkauflösung über ca. 40 Sprachen via tree-sitter
• Begründungsextraktion, die # NOTE:- und # WHY:-Kommentare zu erstklassigen Graphknoten macht
• Inkrementelle Updates, die nur geänderte Dateien neu extrahieren

🔍 Abfrage & Erkundung – Befehle zum Abfragen des Graphen, sobald er existiert

• Abfrage in natürlicher Sprache gegen graph.json
• Kürzeste-Pfad-Suchen zwischen zwei benannten Entitäten
• explain-Befehl, um aufzuzeigen, warum eine Entität wichtig ist und was mit ihr verbunden ist
• KI-gestütztes PR-Triage, das eine Review-Warteschlange nach Relevanz sortiert
• Export von Architekturdiagrammen (z. B. Call-Flow-HTML-Visualisierungen)

🌐 Multi-Format-Erfassung – Erweiterung des Graphen über Quellcode hinaus

• Quellcode in 36 tree-sitter-Grammatiken (Python, TypeScript, Go, Rust, Java, C/C++, Ruby und mehr)
• Dokumentation und PDFs
• Bilder sowie Video/Audio mit lokaler Transkription via faster-whisper
• SQL-Schemata und Infrastructure-as-Code (Terraform)
• Optionale Erweiterungen für Salesforce Apex, Pascal/Delphi und andere Nischen-Ökosysteme

🤖 KI-Assistenten-Integrationen – Einbindung des Graphen in bestehende Entwickler-Workflows

• Native /graphify-Skill-/Befehlsunterstützung in über 20 KI-Codierungsassistenten
• Plattformspezifische Installationsprogramme (Hooks, Anweisungsdateien oder native Skill-Registrierung)
• Abdeckung von Claude Code, Cursor, Codex, Gemini CLI, GitHub Copilot CLI und anderen

4. Wichtigste Highlights

• Deterministische, erklärbare Graphen – jede Kante ist als extrahierte Tatsache oder abgeleitete Schlussfolgerung gekennzeichnet, was die bei Embedding-basierter Ähnlichkeitssuche übliche Rätselraterei eliminiert.
• Vollständig lokale Codeanalyse – das Erstellen eines Graphen für Quellcode erfordert null LLM-Aufrufe und null API-Credits; nichts am Code selbst verlässt die Maschine.
• Breite Sprachabdeckung – 36 tree-sitter-Grammatiken out of the box, die fast alle gängigen Sprachen plus mehrere spezialisierte über optionale Erweiterungen abdecken.
• Tiefe KI-Assistenten-Integration – funktioniert als nativer Befehl in mehr als 20 beliebten KI-Codierungswerkzeugen, anstatt einen separaten eigenständigen Workflow zu erfordern.
• Begründungen als Daten – Design-Entscheidungskommentare (# NOTE:, # WHY:) werden zu abfragbaren Graphknoten erhoben und bewahren so Absichten, die normalerweise verloren gehen.
• Starke Retrieval-Benchmarks – im LOCOMO-Benchmark (n=300) erreicht graphify 0,497 recall@10 und liegt damit deutlich vor vergleichbaren Memory-/Retrieval-Werkzeugen, die in seinen eigenen Benchmarks zitiert werden.

5. Anwendungsfälle nach Rolle

Allgemeine Entwickler
Verwenden Sie /graphify . in einem bestehenden KI-Codierungsassistenten, um sofortigen, erklärbaren Kontext zu einem unbekannten Repository zu erhalten – und verfolgen Sie, wie eine Funktion über Dateien hinweg verbunden ist, ohne manuelles Durchsuchen.

DevOps/SRE
Nutzen Sie die SQL-Schema- und Terraform-Erfassung, um Infrastructure-as-Code-Beziehungen zusammen mit Anwendungscode abzubilden, und verwenden Sie Pfadabfragen, um Abhängigkeiten zwischen Diensten und der sie unterstützenden Infrastruktur zu verfolgen.

Daten-/Forschungswissenschaftler
Erfassen Sie Dokumentation, PDFs und sogar Video-/Audiomaterial im selben Graphen wie die Codebasis, und ermöglichen Sie so Abfragen, die Forschungsnotizen und Spezifikationen direkt mit der Implementierung verbinden.

Projektmanager
Verwenden Sie graphify prs --triage, um eine KI-gestufte Pull-Request-Review-Warteschlange zu erhalten, und nutzen Sie den Graph-Export (z. B. Call-Flow-Diagramme), um Architektur Stakeholdern zu kommunizieren, ohne Diagramme manuell zu zeichnen.

6. Erste Schritte

Finden Sie, was Sie brauchen – durchsuchen Sie die Dokumentation, den Architekturleitfaden und übersetzte READMEs (14 Sprachen) im docs/-Verzeichnis des Repositorys, oder lesen Sie ARCHITECTURE.md für eine Modul-für-Modul-Aufschlüsselung.

Installieren / integrieren

uv tool install graphifyy
graphify install

Rufen Sie dann /graphify . in einem unterstützten KI-Codierungsassistenten auf, um einen Graphen für das aktuelle Projekt zu erstellen. Alternative Installationsmethoden:

pipx install graphifyy
# oder
pip install graphifyy

Mitwirken

git clone https://github.com/Graphify-Labs/graphify.git
cd graphify && git checkout v8
uv sync --all-extras
uv run pytest tests/ -q

Die aktive Entwicklung findet auf dem v8-Branch statt; Commits folgen den Präfixen fix: / feat: / docs:, und neue Sprachunterstützung sollte Fixtures unter tests/fixtures/ sowie Testfälle in test_languages.py enthalten.

7. Projektstruktur

graphify/
├── .github/              # GitHub-Workflows (CI, Releases)
├── docs/                 # Dokumentation, einschließlich Übersetzungen in 14 Sprachen
├── graphify/             # Hauptpaket-Quellcode
├── scripts/              # Hilfsskripte
├── tests/                # Testsuite, einschließlich Sprach-Fixtures
├── tools/                # Hilfswerkzeuge
├── worked/                # Beispiel-Extraktionen mit Review-Notizen
├── ARCHITECTURE.md       # Modulverantwortlichkeiten und Sprachintegrationsleitfaden
├── BENCHMARKS.md         # Leistungs- und Genauigkeitsmetriken
└── AGENTS.md             # Agent-Framework-Dokumentation

graphify/ enthält die Kern-Extraktions- und Abfrage-Engine; ARCHITECTURE.md ist der empfohlene Einstiegspunkt für Mitwirkende, die verstehen möchten, wie Module zusammenpassen oder eine neue Sprache hinzufügen möchten.

8. Verwandtes Ökosystem

Hängt ab von / baut auf:

• tree-sitter – bietet das deterministische AST-Parsing, das die lokale Codeanalyse antreibt
• faster-whisper – wird für die lokale Transkription von Video-/Audioeingaben verwendet
• Optionale Graph- und Datenbank-Backends: Neo4j, FalkorDB, PostgreSQL/SQL

Komplementäre Werkzeuge:

• Funktioniert neben KI-Codierungsassistenten (Claude Code, Cursor, Codex, Gemini CLI, GitHub Copilot CLI und anderen), anstatt sie zu ersetzen – es liefert strukturierten Kontext, den diese Werkzeuge konsumieren
• Optionale KI-Backends (einschließlich lokaler Optionen via Ollama) für die semantische Extraktion aus Dokumenten, Bildern und Videos

9. Lizenz

Graphify ist dual-lizenziert, und Nutzer können die Lizenz wählen, die am besten zu ihrem Anwendungsfall passt.

• ✅ Verwenden, modifizieren und verteilen Sie den Code unter entweder der Apache License 2.0 oder der MIT-Lizenz, je nachdem, welche Sie wählen
• ✅ Verwendung in kommerziellen und proprietären Projekten unter den Bedingungen einer der beiden Lizenzen
• ❌ Unter keiner der Lizenzen wird eine Garantie gewährt – die Software wird „wie besehen" angeboten
• ℹ️ Die Anforderungen an Namensnennung und Lizenzhinweis unterscheiden sich leicht zwischen Apache-2.0 und MIT – überprüfen Sie die spezifischen Bedingungen der von Ihnen gewählten Lizenz, bevor Sie weiterverteilen

10. FAQ

F: Sendet graphify meinen Code an einen externen Server oder ein LLM?
A: Nein. Quellcode wird lokal via tree-sitter geparst, und das Erstellen eines Graphen für Code erfordert null LLM-Aufrufe. Nur die optionale Verarbeitung von PDFs, Bildern und Videos verwendet ein konfiguriertes KI-Backend, und selbst das kann vollständig lokal via Ollama ausgeführt werden.

F: Mit welchen KI-Codierungsassistenten funktioniert graphify?
A: Mit mehr als 20, einschließlich Claude Code, Cursor, Codex, Gemini CLI und GitHub Copilot CLI. Führen Sie graphify install aus, um die plattformspezifische Integration einzurichten.

F: Wie unterscheidet sich das von einem RAG-Werkzeug mit Vektor-Embeddings?
A: Graphify erstellt einen tatsächlich traversierbaren Graphen anstelle eines Vektorindexes. Beziehungen werden explizit als EXTRACTED oder INFERRED gekennzeichnet, sodass Ergebnisse erklärbar sind und nicht nur Ähnlichkeitswerte darstellen.

F: Wie viele Programmiersprachen werden unterstützt?
A: 36 tree-sitter-Grammatiken sind standardmäßig enthalten und decken die meisten gängigen Sprachen ab, mit zusätzlichen optionalen Erweiterungen für Sprachen wie Salesforce Apex und Pascal/Delphi.

F: Wie frage ich einen vorhandenen Graphen ab?
A: Verwenden Sie Befehle wie graphify query "was verbindet auth mit database?", graphify path "ServiceA" "ServiceB" oder graphify explain "ComponentName" gegen die generierte graph.json.

11. Schnelllinks

• Repository: https://github.com/Graphify-Labs/graphify
• Architekturleitfaden: ARCHITECTURE.md im Repository-Stammverzeichnis
• Mitwirken: Entwicklungseinrichtung und Richtlinien im Repository-README
• Benchmarks: BENCHMARKS.md im Repository-Stammverzeichnis

12. Zusammenfassung

Graphify gibt Entwicklern eine erklärbare, lokal berechnete Karte davon, wie eine Codebasis – und ihre umgebenden Dokumente, Schemata und anderen Artefakte – tatsächlich zusammenpasst, und ersetzt manuelles Datei-Durchsuchen und undurchsichtige Ähnlichkeitssuche durch einen traversierbaren, abfragbaren Graphen. Es ist besonders wertvoll für Entwickler, die in große oder unbekannte Repositorys einsteigen, und für Teams, die möchten, dass KI-Codierungsassistenten über Architektur mit verifizierbarem, quellenbasiertem Kontext statt mit Vermutungen nachdenken.