近期，开源项目 graphify 在开发者社区引发关注：其 GitHub 星标数已突破 12.6 万，不仅入选 Y Combinator，还登陆了 Vercel Marketplace。该工具的核心价值在于优化 AI 编程代理（如 Claude Code、Codex 或 Cursor）的工作流：通过输入 /graphify，代理可直接查询代码图谱，而非暴力逐个读取文件，从而大幅降低 Token 消耗。

为验证其“节省 Token”的实际效果，我在本地 Linux 环境下对真实仓库进行了独立测试。全程无需云端服务或 API 密钥，以下是详细评测结果。

graphify 是什么

graphify 是一款基于 Apache-2.0 协议开源的 Python CLI 工具及代理技能（Agent Skill）。它利用 tree-sitter 解析项目代码，并在 graphify-out/ 目录下生成三个核心文件：

  • graph.html：可在浏览器中查看的交互式力导向图；
  • GRAPH_REPORT.md：包含“关键节点”（god nodes）、社区划分及意外连接的摘要报告；
  • graph.json：完整图谱数据，支持代理通过 explain、path 和 query 命令进行高效查询。

代码提取过程完全本地化且具有确定性。除非配置后端，否则 LLM 仅用于解析文档、PDF、图片或视频，以及为代码社区命名。

测试环境搭建

测试机器运行 Debian 13 系统，搭载 Python 3。安装时需注意 PyPI 包名包含双写 y：

python3 -m venv venv
venv/bin/pip install graphifyy      # 安装版本 0.9.92
git clone --depth 1 https://github.com/encode/httpx testbed/httpx

测试对象选定为 httpx，这是一个知名的 Python HTTP 客户端库，包含约 17,750 行 Python 代码及文档。其规模适中，既具备测试价值，又便于人工校验预期结果。

构建图谱：2秒完成，0 Token消耗

纯代码构建无需 AI 介入，直接通过 CLI 执行 update 命令：

cd testbed/httpx
graphify update .

输出显示，AST 提取处理了 101 个未缓存文件，重建了 2233 个节点、4453 条边和 166 个社区。全新构建耗时 2.1 秒；编辑单文件后的增量重建耗时 1.6 秒。统计数据显示：Token cost: 0 input · 0 output。

生成的文件体积分别为：graph.json 1.7 MB，graph.html 1.9 MB，GRAPH_REPORT.md 24 KB。Markdown 文档也被结构化纳入，CHANGELOG.md 等均显示为独立节点。

报告准确性分析

“关键节点”列表为新贡献者提供了清晰的入门指引：

1. Response - 170 edges
2. Request - 111 edges
3. Changelog - 79 edges
4. Client - 69 edges
5. AsyncClient - 51 edges
6. BaseClient - 45 edges

这准确反映了 httpx 的核心架构。报告中 88% 的边标记为 EXTRACTED（源码直取），12% 为 INFERRED（推断得出），平均置信度 0.91。每条边的标签明确了信息来源的可信度。相比之下，“意外连接”部分实用性一般，多为文档标题与代码类的常规链接。

查询环节：Token 节省显著

这是代理实际调用的核心场景。使用 tiktoken cl100k 编码统计输出量，结果如下：

  • explain 命令：查询 Client 类仅输出 628 个 Token，列出 69 个连接及其位置。若直接读取 _client.py 文件，则需 13,659 个 Token。
  • path 命令：返回单行 3 跳链，清晰展示 Client 到 DigestAuth 的引用路径。
  • query 命令：查询请求发送流程输出 1,728 个 Token。系统执行广度优先搜索，找到 536 个节点但仅展示 82 个，并提示可通过增加 --budget 查看完整内容。

数据显示，针对“定位代码及依赖”类问题，图谱查询成本约为直接读取文件的 1/20。需注意，图谱仅提供路径指引，不包含具体代码内容，代理修改代码时仍需读取源文件。

存在的局限性

名称歧义问题。 执行 graphify explain "Client" 时，因同时匹配代码类和文档标题，程序拒绝回答并报错。建议使用 path::symbol 格式规避，但这表明文档与代码混合索引易导致常见名称冲突。

本地小模型标签生成缓慢。 无 API 密钥时，社区标签默认使用文件名或符号名。若使用 LLM（如 Ollama）重命名标签，在我机器上使用 CPU 运行 1.7B 模型超过 11 分钟仍未完成。代码图谱构建本身不依赖此步骤，但美观的标签需要更强的算力或 API 支持。

结论与建议

对于代码处理场景，graphify 值得安装。它免费、本地化且极速，能在代理打开文件前提供低成本的路径地图。建议将 graphify update . 加入 git hook，让代理优先使用图谱查询。

本次测试未涵盖付费助手内的 /graphify 技能、多模态语义分析及托管版 Graphify Cloud。记录的 Token 节省数据仅基于单次查询，非全会话基准测试。

项目地址：github.com/Graphify-Labs/graphify