- En un asistente de programación con IA, al ejecutar
/graphify ., todo el código/documentación/PDF/imágenes/videos se mapea como un grafo de conocimiento, cambiando de buscar con grep en archivos a explorar mediante preguntas- Al hacer una pregunta, devuelve solo el subgrafo relevante, así que no hace falta leer archivos completos
- El código se analiza localmente con tree-sitter AST y no realiza llamadas al LLM. Es decir, los tokens de LLM para construir el grafo son cero
- Como el código no sale de la máquina, incluso organizaciones con requisitos de residencia de datos pueden indexarlo totalmente offline y sin API key
- Todas las conexiones incluyen etiquetas de confianza
EXTRACTED(indicado explícitamente en el original) /INFERRED(inferido), lo que evita tener que confiar ciegamente en el resultado del LLM y permite verificar hasta dónde llega la evidencia - Al ser un grafo real que no usa embeddings ni vector store, permite rastrear rutas (
path) y explicar conceptos (explain) entre dos elementos, en lugar de hacer búsqueda por similitud - Además de código, integra en el mismo grafo esquemas SQL, Terraform/HCL, configuración de MCP, manifiestos de paquetes, documentos de Office, PDF, imágenes y URLs de video
- 3 comandos clave de consulta
graphify query "what connects auth to the database?"- devuelve un subgrafo acotado al contexto para una pregunta en lenguaje naturalgraphify path "FastAPI" "ModelField"- muestra la ruta más corta entre dos elementos por saltosgraphify explain "APIRouter"- muestra ubicación en el código fuente, comunidad, grado y lista de conexiones
- Los comentarios
# NOTE:/# WHY:y las citas de ADR/RFC se extraen como nodos de primera clase y se conectan con el código, por lo que hasta las razones de diseño que no se ven solo con el código pasan a ser buscables - Se pueden instalar hooks/archivos de instrucciones para obligar a que el asistente consulte siempre primero el grafo, reemplazando con consultas el comportamiento de leer archivos originales uno por uno
- Si haces commit de
graphify-out/en git, todo el equipo empieza desde el mismo mapa del código, se reconstruye automáticamente en cada commit y tampoco genera costos de API - Con
python -m graphify.servese puede exponer el grafo como servidor MCP, y con--transport httptodo el equipo puede compartir una sola URL - Licencia MIT
Aún no hay comentarios.