Что это
Graphify — local-first knowledge graph для кода, документов, PDF, изображений и видео, доступный через CLI, API и MCP.
Бизнес-проблема
Vector-only RAG хорошо находит похожие фрагменты, но хуже представляет структуру проекта, ссылки между сущностями, происхождение утверждений и архитектурные зависимости.
Практическая польза
Graphify строит AST-граф кода примерно для 40 языков, индексирует документы и медиа, добавляет извлечённые и предполагаемые отношения и позволяет агенту запрашивать узлы, соседей и связи. Это может быть полезно для codebase intelligence, AI-Ready wiki, технических knowledge hubs и клиентских архитектурных аудитов.
Технические особенности
Есть MCP по stdio и HTTP, Docker и API. Поддерживаются локальные и OpenAI-совместимые endpoints, Claude, Gemini, DeepSeek, Kimi, Bedrock и Azure. Граф кода строится локально и детерминированно, а семантический анализ документов может обращаться к выбранному LLM-провайдеру.
Значение для AI-Ready
Graphify может дополнить Markdown-first память связями между решениями, кодом и документами. Он не должен заменять канонические записи, пока мы не проверим точность связей, стоимость поддержки и качество восстановления контекста.
Граница вывода
Следующий допустимый шаг — ограниченный эксперимент на копии одного репозитория и небольшом разделе wiki. Результат нужно сравнить с обычным поиском, текущей памятью и при необходимости vector RAG.
Ключевые риски
- Предполагаемые связи могут быть неверными и требуют provenance.
- Документы могут покинуть локальный контур при подключении облачной модели.
- Имя пакета и происхождение артефактов нужно проверять перед установкой.
Разберите эту страницу со своей LLM
Скопируйте контекст страницы в ChatGPT, Claude, Gemini или другую LLM и попросите применить эту схему к вашему бизнесу.
Можно спросить:
- Что Graphify может добавить к Markdown-first памяти AI-Ready?
- Как сравнить граф с обычным поиском и vector RAG?