1 puntos por xguru 2 시간 전 | Aún no hay comentarios. | Compartir por WhatsApp
  • 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 natural
    • graphify path "FastAPI" "ModelField" - muestra la ruta más corta entre dos elementos por saltos
    • graphify 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.serve se puede exponer el grafo como servidor MCP, y con --transport http todo el equipo puede compartir una sola URL
  • Licencia MIT

Aún no hay comentarios.

Aún no hay comentarios.