🎯 О чём этот конспект: Разбор инструмента Graphify — репозитория, вдохновленного идеями Андрея Карпати о базах знаний для LLM. Инструмент индексирует сырые файлы (код, документацию) и превращает их в структурированный граф знаний, что радикально повышает точность ответов AI и снижает затраты.

👤 Кому будет полезно: Вайбкодерам, разработчикам и исследователям, которые работают с большими и незнакомыми кодовыми базами через Claude Code, Cursor или другие AI-агенты.

✨ Что получите: Вы научитесь разворачивать Graphify локально, визуализировать связи в коде через интерактивные графы, находить кратчайшие пути между компонентами и подключать базу знаний к AI-агентам через MCP.

1. Концепция Graphify: Экономия токенов и точность

Контекст: При работе с большими проектами AI-агенты часто перечитывают одни и те же файлы, тратя огромное количество токенов и иногда теряя контекст. Graphify решает эту проблему, создавая «карту» проекта. Вместо того чтобы скармливать LLM весь код целиком, вы даете ей доступ к индексированному графу. Это позволяет модели быстрее находить нужную информацию и понимать архитектурные связи, которые не очевидны при обычном чтении файлов.

Тайминг: [00:19], [00:39], [03:50]

Выгода: Снижение потребления токенов до 70% (в некоторых случаях до 27 раз) и значительное ускорение работы AI-агента.

Как применить:

• Шаг 1: Понимание структуры — Инструмент создает узлы (nodes) из файлов/компонентов и ребра (edges) из связей между ними.
• Шаг 2: Выбор режима индексации — При запуске выберите один из трех уровней глубины:
  1. Code only — самый быстрый и дешевый вариант для исследования логики.
  2. Code + Docs — добавляет контекст из документации (без картинок).
  3. Full extraction — включает изображения (затраты от 200k до 400k токенов).

Результат: Структурированная база знаний, готовая для эффективных запросов LLM.

2. Установка и настройка окружения

Контекст: Graphify работает на Python и требует современного менеджера пакетов для быстрой установки зависимостей. Автор рекомендует использовать uv (аналог npm для Python), так как он значительно быстрее стандартного pip.

Тайминг: [01:43], [02:02]

Выгода: Быстрый старт и корректная работа всех зависимостей графа.

Как применить:

• Шаг 1: Установка Python и UV — [Terminal] — Убедитесь, что версия Python 3.10 или выше.

# Установка через brew (для macOS) или официальные инсталлеры
brew install python uv

• Шаг 2: Установка Graphify — [Terminal] — Используйте uv для глобальной установки пакета.

uv tool install graphify

• Шаг 3: Регистрация в AI-агенте — [Terminal] — Интеграция Graphify как навыка (skill) для вашего ассистента.

graphify install

Результат: В корне проекта появится папка .claude и файл claude.md с инструкциями по использованию навыка.

3. Создание и визуализация графа знаний

Контекст: После установки вы можете превратить любую папку в интерактивную карту. Graphify анализирует импорты, вызовы функций и связи между компонентами.

Тайминг: [02:53], [03:52], [04:23]

Выгода: Наглядное понимание архитектуры проекта без ручного изучения сотен файлов.

Как применить:

• Шаг 1: Генерация графа — [Terminal] — Запустите команду в корне вашего проекта.

graphify .

• Шаг 2: Анализ результатов — После выполнения Graphify создаст три файла:
  • graph.html: Интерактивная визуализация (открывается в браузере).
  • graph.reports: Текстовые отчеты о структуре.
  • graph.json: Сырые данные для программной обработки.
• Шаг 3: Работа с визуализацией — Откройте graph.html. Вы можете фильтровать узлы (например, оставить только Admin Layouts и API Routes), чтобы увидеть, как именно они связаны.

Результат: Интерактивная карта проекта, где видны все зависимости и «изолированные» модули.

4. Продвинутые команды: Path, Explain и Update

Контекст: Graphify — это не просто картинка, а инструмент для глубокого исследования (Research). Вы можете просить AI найти кратчайший путь между двумя модулями или объяснить сложную логику, опираясь на граф.

Тайминг: [04:63], [05:08], [05:85]

Выгода: Мгновенное нахождение связей в огромных кодовых базах.

Как применить:

• Шаг 1: Поиск пути — [Claude Code / Terminal] — Узнайте, как связаны два разных компонента.

graphify path --from "AdminPanel" --to "AIChat"

• Шаг 2: Объяснение концепций — [Claude Code] — Используйте команду explain для понимания логики (например, разницы между входящими и исходящими данными в консоли).

graphify explain "inbound vs outbound in admin console"

• Шаг 3: Инкрементальное обновление — [Terminal] — Если вы изменили 10-20 файлов, не нужно перестраивать весь граф. Обновите только измененное.

graphify --update

Результат: Точные ответы от AI, основанные на актуальной структуре кода, а не на догадках.

5. Экспорт и интеграция (Obsidian, MCP, Neo4j)

Контекст: Graphify позволяет экспортировать данные в различные форматы для дальнейшего использования в других инструментах продуктивности или базах данных.

Тайминг: [05:93], [06:45], [06:51]

Выгода: Возможность использовать базу знаний кода в Obsidian или подключить её к любой LLM через протокол MCP.

Как применить:

• Шаг 1: Создание Obsidian Vault — [Terminal] — Превратите документацию проекта в базу заметок Obsidian.

graphify obsidian --path "./docs"

• Шаг 2: Запуск MCP сервера — [Terminal] — Сделайте ваш граф доступным для любой LLM, поддерживающей Model Context Protocol.

graphify mcp

• Шаг 3: Другие форматы — Вы также можете генерировать SVG-схемы или экспортировать данные в графовую БД Neo4j для построения сложных RAG-систем.

Результат: Универсальная база знаний, доступная в ваших любимых инструментах.

FAQ

В: Насколько сильно Graphify снижает затраты на токены? О: В среднем потребление токенов снижается на 70%. В видео показан пример, где благодаря индексации удалось достичь 27-кратного сокращения объема передаваемых данных при запросах к LLM.

В: Можно ли использовать Graphify не только для кода, но и для обычных документов? О: Да, инструмент отлично справляется с папками, содержащими Markdown-файлы и документацию. Вы можете выбрать режим индексации Code + Docs для полного охвата текстовой информации.

В: Какие AI-агенты поддерживаются? О: По умолчанию Graphify оптимизирован под Claude Code, но также поддерживает Codex, OpenCode, OpenClaude и Hermes Agents. Благодаря поддержке MCP, его можно подключить практически к любой современной LLM.

В: Что делать, если проект очень большой и полная экстракция стоит дорого? О: Используйте режим Code only. Это значительно дешевле (в примере автора это стоило копейки по сравнению с полной экстракцией с изображениями) и достаточно для большинства задач по исследованию кода.

В: Как Graphify помогает в изучении нового репозитория? О: Он визуализирует связи, которые трудно отследить вручную. Например, команда path покажет все промежуточные файлы между точкой входа и конкретной функцией, а интерактивный HTML-граф позволит увидеть «созвездия» зависимостей.

Ресурсы и ссылки

• Graphify Repository — Основной инструмент для создания графов знаний — https://github.com/BloopAI/graphify (упомянут в видео).
• Python — Язык программирования (нужна версия 3.10+) — https://www.python.org.
• UV — Сверхбыстрый менеджер пакетов для Python — https://github.com/astral-sh/uv.
• Claude Code — AI-агент от Anthropic для работы с кодом — упомянут в видео.
• Obsidian — Инструмент для ведения заметок (поддерживается экспорт) — https://obsidian.md.
• Neo4j — Графовая база данных (поддерживается экспорт) — https://neo4j.com.

Конспект создан на основе видео «Graphify: Convert Your Codebase Into A Knowledge Graph» канала [имя автора не указано явно, автор — Senior AI Engineer, экс-Amazon/Microsoft]. Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/HQEm4rBKdec