Tools· Recherche & Wissensmanagement

    graphify

    Open Source Werkzeug, das Code, Dokumentation, PDFs und Medien in einen durchsuchbaren semantischen Wissensgraphen umwandelt und deutlich token sparsamer liest als alle Dateien einzeln.

    strukturierendrecherchierendausführbarOpen Source
    Quellcode
    uv tool install graphifyy, danach graphify install zur Registrierung. Alternativ pipx install graphifyy oder pip install graphifyy. Aufruf über CLI graphify <pfad> bzw. /graphify <pfad> in Claude Code.

    Beschreibung

    Stärken

    Lokale Code-Analyse
    Quellcode wird per Tree-sitter AST rein lokal geparst, deterministisch und ohne LLM-Aufruf, sodass für diesen Teil nichts die eigene Maschine verlässt.
    Nachvollziehbare Kanten
    Jede Verbindung im Graphen trägt eine Markierung EXTRACTED, INFERRED oder AMBIGUOUS, sodass erkennbar bleibt, was direkt aus der Quelle stammt und was abgeleitet wurde.
    Echter Graph statt Vektorindex
    Ohne Embeddings oder Vektorspeicher lässt sich der Graph direkt durchlaufen, ein Pfad zwischen zwei Konzepten nachvollziehen oder ein einzelner Knoten erklären.
    Breite Plattform-Unterstützung
    Der Skill lässt sich unter anderem in Claude Code, Cursor, Codex, Gemini CLI, GitHub Copilot und mehr als 15 weiteren Umgebungen registrieren.
    Benchmark-validiert
    Ergebnisse laufen über denselben Testharness mit gleichem Modell und Budget und werden von einem Richtermodell bewertet, das gegen ein zweites Richtermodell mit 90,6 Prozent Übereinstimmung und einem Cohen's Kappa von 0,81 abgeglichen wurde.

    Einschätzung

    KI-Funktionen

    • Semantische Auswertung nicht-Code-Inhalte Dokumentation, PDFs, Bilder und Video-Material laufen über das Modell des jeweiligen KI-Assistenten oder einen konfigurierten API-Key.
    • Gezielte Graph-Abfragen Befehle wie graphify query, graphify explain und graphify path liefern zu einer Frage in natürlicher Sprache einen begrenzten Teilgraphen statt des vollständigen Reports.
    • Automatischer Report Der generierte GRAPH_REPORT.md benennt die am stärksten vernetzten Knoten, überraschende Verbindungen zwischen Modulen, im Code dokumentierte Begründungen wie NOTE- oder WHY-Kommentare und vorgeschlagene Fragen an den Graphen.
    • PR-Triage graphify prs --triage lässt das konfigurierte KI-Backend die eigene Review-Warteschlange nach Priorität ordnen.
    • Externe Quellen einbinden graphify add holt ein Paper, etwa von arXiv, oder transkribiert ein YouTube-Video und fügt es dem Graphen hinzu.

    Wofür geeignet

    • Entwickler, die sich schnell in eine unbekannte oder gewachsene Codebasis einarbeiten müssen
    • Teams, die ein fremdes Open Source Repository verstehen oder portieren wollen, bevor sie dessen Code übernehmen
    • Nutzer von Claude Code, Cursor oder ähnlichen KI Coding Umgebungen, die gezielte Fragen an einen Wissensgraphen statt an den vollständigen Dateibestand stellen möchten
    • Projekte mit gemischtem Material aus Code, Dokumentation, PDFs und Medien, die als ein zusammenhängender Bestand ausgewertet werden sollen

    Einschränkungen und Hinweise

    • Kein reiner Local-Betrieb Nur die Code-Extraktion läuft lokal ohne LLM, für Dokumentation, PDFs, Bilder und Video wird das Modell des KI-Assistenten oder ein eigener API-Key benötigt.
    • Python-Umgebung beachten Bei Installation über pip install kann graphify das Paket zur Laufzeit in einer anderen Umgebung suchen als der, in der es installiert wurde, was zu einem ModuleNotFoundError führt. uv tool install oder pipx install isolieren das Paket in einer eigenen Umgebung und vermeiden das Problem.
    • Paketname beachten Auf PyPI heißt das offizielle Paket graphifyy mit doppeltem y, andere graphify-Pakete sind nicht damit verbunden. Der CLI-Befehl selbst heißt weiterhin graphify.
    • uvx-Aufruf abweichend Bei Nutzung über uvx beziehungsweise uv tool run muss das Paket graphifyy benannt werden statt des Befehls graphify, sonst schlägt die Auflösung fehl.
    • Google-Workspace-Dateien .gdoc, .gsheet und .gslides aus Google Drive for Desktop sind nur Verweis-Dateien ohne Dokumentinhalt, für eine Auswertung ist zusätzlich die gws-CLI mit Authentifizierung nötig.

    Quick Start

    1. Paket installieren: uv tool install graphifyy (alternativ pipx install graphifyy).
    2. Skill beim KI-Assistenten registrieren: graphify install, mit dem Zusatz --project für eine projektbezogene statt globale Installation.
    3. Im KI-Assistenten /graphify . eingeben, um den Graphen für das aktuelle Verzeichnis zu bauen.
    4. Die drei erzeugten Dateien nutzen: graph.html im Browser öffnen, GRAPH_REPORT.md für den Überblick lesen, graph.json für gezielte Abfragen verwenden.
    5. Optional graphify hook install ausführen, damit der Graph bei jedem Git-Commit automatisch aktualisiert wird.

    Tipps

    • Für gezielte Fragen graphify query "<Frage>" verwenden statt aller Dateien erneut zu lesen, das spart Tokens gegenüber dem vollständigen Report.
    • Mit graphify path "A" "B" den kürzesten Pfad zwischen zwei Konzepten im Projekt nachvollziehen.
    • graphify-out/ ins Git-Repository committen, damit das gesamte Team beim Checkout sofort denselben Graphen zur Verfügung hat.
    • Eine .graphifyignore im Projekt-Root anlegen, Syntax wie .gitignore inklusive !-Negation, um irrelevante Dateien aus dem Graphen auszuschließen.
    • Nach einem Update oder einer Neuinstallation graphify hook install erneut ausführen, damit der im Git-Hook eingebettete Interpreter-Pfad aktuell bleibt.

    Zugang

    Stand: · Angaben zu Preisen, Tarifen und Funktionen sind eine Momentaufnahme. Vor einer Entscheidung lohnt der Blick auf die Anbieterseite.

    Im Workshop wird daraus Ihre Methode.

    Wer diesen Prozess einmal laufen sieht, will als Nächstes den Agenten dahinter. Das bauen wir im Workshop Vom Prozess zum Agenten.

    Workshops ansehen

    Gespräch statt Pitch

    Erst verstehen, dann entscheiden. Wir nehmen uns Zeit für ein erstes Gespräch, ohne Verkaufsdruck, ohne Verpflichtung.

    Gespräch vereinbaren