AI 编码助手知识图谱化，替代文件搜索
Graphify 将代码库、文档、PDF、图片、视频等多模态内容自动构建为可查询的知识图谱，让 AI 助手通过图谱查询而非文件搜索理解项目。对大型代码库和复杂项目，这能显著降低 agent token 消耗并提升上下文理解精度。
Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.
代码检索的痛点从来不是找不到，而是找不准——grep 和向量相似度都会漏掉跨文件的隐式依赖关系。Graphify 用知识图谱显式建模这些关系，本质上是在做代码的"语义结构化"，这和 Sourcegraph 的 code intelligence 路线类似，但更激进地绑定了 AI agent 场景。
目前主流方案如 Cursor 的 @codebase 或 Copilot 的上下文窗口，仍依赖 chunk 切分 + 向量检索，长程依赖是盲区。Graphify 的差异化在于"always-on memory"和形式化验证，后者尤其少见——如果真能证明 agent 修改的正确性，将是代码生成从"辅助"走向"自主"的关键一步。
适合两类人尝试：一是维护 10万+ 行遗留代码库的团队，跨模块理解成本极高；二是做 AI agent 基础设施的创业者，memory 层目前还是蓝海，Graphify 的架构值得参考。
多模态代码知识图谱基础设施，连接 LLM 编码助手与复杂代码库理解
独特价值：确定性 AST 解析构建可解释知识图谱，无需向量存储，原生集成主流 AI 编码工具