Aller au contenu
Méthodologie

graphify

graphify — Méthodologie. adoption : Apache-2.0, paquet PyPI `graphifyy` ; dépôt créé le 3 avril 2026, 103 187 étoiles et 10 024 forks au 6 août 2026 ; branche par défaut v8, README en 33 langues · catégorie : Skill open source présentée par le site, distincte du site lui-même · définition : Skill et CLI transformant un projet multi-format en graphe de connaissance interrogeable : code parsé localement en AST tree-sitter sans modèle, prose et images traitées sémantiquement, chaque arête étiquetée selon sa provenance, sans index vectoriel

103 187 étoiles et 10 024 forks au 6 août 2026, sur un dépôt créé le 3 avril 2026 : la courbe d'adoption de graphify est la première chose qui frappe. «Safi Shamsi» l'a construit, «Graphify Labs» le publie, et l'outil lui-même est un skill et une CLI qui transforme un projet mixte (code, documents, PDF, images, vidéo, configurations «MCP», manifestes de paquets) en un graphe de connaissances que l'on parcourt au lieu de grepper des fichiers. Il est sous licence Apache-2.0, distribué sur PyPI sous le nom `graphifyy`, avec un README en 33 langues.

Trois choix de conception portent l'argumentaire. Le code est analysé localement en AST «tree-sitter» sans modèle dans la boucle, si bien qu'un corpus purement code ne nécessite aucune clé API. Chaque arête est étiquetée selon sa provenance, extraite ou inférée. Et le projet refuse catégoriquement les embeddings et une base vectorielle. «NetworkX» et l'algorithme de Leiden assurent l'assemblage.

Les benchmarks récompensent une lecture attentive. Sur LOCOMO, graphify est en tête du recall@10 avec 0,497 contre 0,149 pour supermemory et 0,048 pour mem0, mais il est distancé sur la précision QA : 45,3% contre 49,7% pour supermemory. Sur LongMemEval-S, il égale un RAG dense à 76%. L'avantage défendable porte sur le coût et la traçabilité, pas sur la qualité des réponses.

La présentation qui l'entoure est moins rigoureuse. «graphify.net», le site de Shamsi lui-même, affichait 3,7k+ étoiles le jour même où l'API en retournait 103 187, déclarait MIT à trois reprises alors que le fichier LICENSE du dépôt indique Apache-2.0, et continuait à promouvoir un chiffre de réduction de tokens qui appartient au README de la v1. La branche par défaut est v8 ; celle qui figure sur main décrit un tout autre produit, antérieur.

Type
Méthodologie
adoption
Apache-2.0, paquet PyPI `graphifyy` ; dépôt créé le 3 avril 2026, 103 187 étoiles et 10 024 forks au 6 août 2026 ; branche par défaut v8, README en 33 langues
catégorie
Skill open source présentée par le site, distincte du site lui-même
définition
Skill et CLI transformant un projet multi-format en graphe de connaissance interrogeable : code parsé localement en AST tree-sitter sans modèle, prose et images traitées sémantiquement, chaque arête étiquetée selon sa provenance, sans index vectoriel
relations
14
Citée dans
2 fiches

Mesures d'adoption

Voisinage

tree-sitter Safi Shamsi graphify.net Graphify Labs algorithme de Leiden NetworkX faster-whisper pour … GitNexus

→ utilise

tree-sitter TECHNOLOGIE confiance élevée atemporel Source ↗
algorithme de Leiden CONCEPT confiance élevée atemporel Source ↗
NetworkX TECHNOLOGIE confiance élevée atemporel Source ↗
faster-whisper pour transcrire vidéo et audio localement TECHNOLOGIE confiance élevée atemporel Source ↗

← a créé

Safi Shamsi PERSONNE confiance élevée stable Source ↗

← référence

graphify.net TECHNOLOGIE confiance élevée évolutif Source ↗

← publie

Graphify Labs ORGANISATION confiance élevée évolutif Source ↗

→ converge avec

GitNexus TECHNOLOGIE confiance élevée évolutif

Citée dans (2)