graphify: Grafos de conhecimento consultáveis para grandes bases de código e documentos
graphify, da Graphify Labs, transforma uma pasta de projeto em um grafo de conhecimento consultável para assistentes de IA. Ele extrai a estrutura do código, ingere documentos e multimídia, e expõe um servidor MCP além de uma CLI para consultas semânticas que visam subgrafos específicos em vez de arquivos brutos. Os elementos-chave incluem análise AST determinística, arestas rotuladas com proveniência, agrupamento Leiden, cache incremental SHA-256 e exportações HTML/JSON/Obsidian. Projetado para engenheiros de software e pesquisadores de IA que precisam de uma recuperação de contexto mais precisa de grandes repositórios.
Quais tarefas você pode realmente usar para isso?
A ferramenta atua como uma camada de memória local para que assistentes de codificação de IA possam realizar buscas semânticas direcionadas e explorar relações arquitetônicas dentro de projetos. Ela mapeia entidades e relacionamentos de código, documentação, PDFs, imagens e transcrições em um gráfico estruturado, permitindo que agentes respondam a consultas focadas sobre dependências, onde os símbolos são definidos e quais módulos pertencem à mesma comunidade arquitetônica. Integrações de exemplo incluem Claude Code, Cursor e Codex.
Quão precisas e auditáveis são suas recuperações?
A extração é determinística para código porque a ferramenta usa tree-sitter para construir nós baseados em AST sem invocar um LLM para a fase de extração. Cada aresta do gráfico é marcada com proveniência como EXTRAÍDA, INFERIDA ou AMBÍGUA, para que os consumidores possam auditar fontes antes de confiar em um relacionamento. O projeto relata uma redução medida de 71,5x no uso de tokens quando os agentes consultam subgráficos em vez de arquivos brutos, e um recurso de "refletir" coleta feedback para melhorar a precisão das recuperações futuras.
Quais formatos de arquivo e ambiente ele aceita?
A flexibilidade de entrada é multimodal: a ferramenta indexa código-fonte (mais de 40 idiomas), PDFs, esquemas SQL, imagens, diagramas e transcrições de vídeo ou áudio geradas por ferramentas de transcrição locais. Ela funciona em qualquer ambiente que suporte Python 3.10+ e atualiza gráficos incrementalmente usando cache SHA-256, de modo que arquivos alterados não exijam reprocessamento completo. As opções de exportação incluem visualizações HTML interativas, JSON para uso programático e cofres Obsidian para gerenciamento de conhecimento.
Ele se encaixa em fluxos de trabalho de codificação de IA existentes?
A integração é voltada para configurações MCP e fluxos de trabalho CLI. A ferramenta implementa um servidor MCP que permite que hosts compatíveis com MCP consultem gráficos diretamente e também funciona como uma utilidade de linha de comando autônoma. O desenvolvedor observa suporte a Python multiplataforma e caminhos de integração com IDE. Alguns usuários relatam que a configuração inicial para clientes MCP específicos pode exigir ajuste manual de caminhos JSON, o que adiciona uma etapa de configuração antes da consulta ao vivo.
Escolha prática para equipes que precisam de memória de projeto local verificável
A ferramenta é uma opção prática para engenheiros e pesquisadores que exigem uma memória de projeto verificável e consultável para codificação assistida por IA, uma vez que cria contexto estruturado e com marcação de proveniência no dispositivo. Espere uma fase de configuração curta ao conectar certos clientes MCP e planeje verificar quaisquer relacionamentos INFERIDOS antes de usá-los em decisões críticas.
