找 graphify 官方入口，先认准 graphify.net 和 GitHub 仓库 Graphify-Labs/graphify。它的用途很具体：把代码库、文档、PDF、图片、视频整理成可查询的知识图谱，让 Claude Code、Codex、Cursor 这类 AI 编程助手少靠全仓库搜索，多查节点、路径和报告。别把它当普通搜索插件，它更像给项目先做一份结构化地图。

graphify 怎么把代码库变成知识图谱？

官方说明里，graphify 会用 tree-sitter 本地解析代码结构，再把 docs、papers、diagrams 等材料做语义提取，合并成可遍历的 graph。使用顺序别反：先装 CLI，再注册 Skill，再在项目目录跑图谱。先拿一个子目录试，不要一上来扫完整公司仓库。

基本命令怎么跑？

• uv tool install graphifyy：安装官方 PyPI 包。
• graphify install：注册到 AI 编程助手。
• /graphify .：在 Claude Code 等助手里扫描当前项目。
• $graphify：Codex 侧按官方说明使用这个入口。

官方包和版本怎么看？

PyPI 在 2026-07-09 核验时显示包名是 graphifyy，版本为 0.9.11，要求 Python >=3.10。注意包名有双 y，CLI 命令才叫 graphify。如果终端提示找不到命令，先检查 uv tool 或 pipx 的 bin 目录是否进了 PATH，而不是反复重装。

什么时候不要全量扫描？

第一次跑 graphify，别把 node_modules、缓存目录、构建产物和临时下载文件一起丢进去。先选核心业务目录，确认 graph.html 能打开、报告能读懂，再逐步扩大范围。文档、图片和视频会牵涉模型语义处理，涉及内部材料时先问团队的数据边界。

生成后看哪些文件？

1. graphify-out/graph.html：打开看节点、社区和连接。
2. GRAPH_REPORT.md：看核心概念、意外连接和建议问题。
3. graph.json：后续查询，不用重新读原始文件。

验收别只看命令成功。至少问一次路径问题，再用 graphify explain 看某个核心类或接口的连接是否合理。项目级安装会写入 SKILL.md、AGENTS.md 或平台规则文件。提交前看 Git Diff，把缓存、密钥和临时输出排除掉；这一步和写 CLAUDE.md、AI 编程规范一样，重点不是多装工具，而是让 Agent 知道该查哪张图、什么时候停下来验收。