Graphify：把任意文件夹变成可查询的知识图谱
1. 背景：Karpathy 的挑战
Andrej Karpathy 最近描述了他的个人知识工作流：把论文、截图、推文扔进一个原始文件夹，然后让 LLM 编译成 Wiki，用 Obsidian 导航。他最后留了一句话：”我觉得这里应该有一个出色的新产品，而不是一堆脚本拼凑的解决方案。”
Graphify 就是那个产品。它不走寻常路——不是把原始文件喂给 AI 助手，而是从你的代码、文档、论文、图片甚至视频中，构建一个持久、可查询的知识图谱，然后向 AI 提供压缩后的子图。官方数据：最多可减少 71.5 倍的 token 消耗。
2. 三步管道
Graphify 的工作流程分为三个清晰的 pass，从确定性分析到 LLM 并行提取，层层递进。
2.1 Pass 1：确定性 AST 解析
第一 pass 完全在本地运行，不涉及任何 LLM。Graphify 使用 tree-sitter 解析 20 种编程语言的代码，提取：
- 类（class）定义与继承关系
- 函数签名与调用图（call graph）
- 导入关系（import/require）
- 文档字符串（docstring）与注释
因为这一步是确定性的，每个边（edge）都标注为 EXTRACTED（提取），置信度 1.0。你永远知道这些关系是你代码库的事实性表达，没有 LLM 的”幻觉”成分。
2.2 Pass 2：本地媒体转录
如果文件夹中包含音频或视频文件（录播课程、会议 MP4 等），Graphify 在第二个本地 pass 中处理它们。
使用 faster-whisper 在本地设备上转录，音频从不离开你的机器。转录结果按 SHA256 哈希缓存，重复运行 Graphify 时秒级完成。转录文本随后进入最终的 LLM 提取 pass。
2.3 Pass 3：并行 LLM 提取
对于非结构化语义内容——文档、PDF、图片以及上一步的转录文本——确定性解析行不通。这里轮到 LLM 上场。
Graphify 将这些文件派发给 Claude 子 Agent 并行处理。每个子 Agent 读取内容，提取概念、关系和设计思路。输出严格按 schema 校验后才合并到主图。因为这些关系由 AI 推断得出，它们标注为 INFERRED（推断），附带置信度分数。
3. 知识图谱输出
经过三个 pass，Graphify 输出三种格式：
- GRAPH_REPORT.md：人类可读的审计报告，汇总图谱并列出
AMBIGUOUS（模糊）的边供人工审查 - graph.json：机器可读文件，专门供 AI 助手查询
- Obsidian Vault：即开即用的 Wiki 目录，带反向链接，像 Karpathy 的工作流一样通过 Obsidian 可视化导航
每个边都携带溯源标签（EXTRACTED、INFERRED 或 AMBIGUOUS），保证认知诚实。你始终知道每条关系的可信度。
4. 使用体验
安装即用，零配置：
pip install graphifyy
cd your-project/
graphify run .
Graphify 会立即开始扫描文件——无论是代码、PDF、图片还是视频——并开始构建图谱。
5. Graphify 为什么值得关注
在代码库越来越大、LLM 上下文窗口永远不够用的今天，Graphify 的思路很有吸引力：先做免费的确定性分析（AST 解析），再补花哨但不贵的 LLM 分析，分层处理、按需花钱。
每一条关系都有来源、有置信度、可追溯。它不是一个黑盒向量数据库，而是一个透明的知识工程管道。
总结
Graphify 把 Andrej Karpathy 的”第二大脑”想法产品化了。用 pip 安装，一个命令跑起来，你的文件夹就变成了可查询的知识图谱。对于处理大代码库的开发者来说，这可能是比”往提示词里堆文件”更聪明的选择。