Vai al contenuto
Metodologia

graphify

graphify — Metodologia. adozione: Apache-2.0, pacchetto PyPI `graphifyy`; repository creato il 3 aprile 2026, 103 187 stelle e 10 024 fork al 6 agosto 2026; branch predefinito v8, README in 33 lingue · categoria: Skill open source presentata dal sito, distinta dal sito stesso · definizione: Skill e CLI che trasforma un progetto multi-formato in un grafo di conoscenza interrogabile: codice analizzato localmente in AST tree-sitter senza modello, prosa e immagini elaborate semanticamente, ogni arco etichettato secondo la sua provenienza, senza indice vettoriale

«Safi Shamsi» ha costruito graphify come skill e CLI che trasforma un intero progetto in un knowledge graph navigabile, invocato come `/graphify` da «Claude Code», Cursor, Codex, Gemini CLI e una quindicina di altri client. Il codice viene analizzato localmente in AST «tree-sitter» senza alcun modello nel ciclo, e ogni arco porta la propria provenienza: `EXTRACTED` quando è esplicito nel codice sorgente, `INFERRED` quando è graphify ad averlo risolto. Pubblicato da «Graphify Labs» sotto licenza Apache-2.0, il repository è stato creato il 3 aprile 2026 e contava 103.187 stelle e 10.024 fork al 6 agosto 2026.

Il design rifiuta embedding e vector store. Il clustering passa per «NetworkX» e l'algoritmo di Leiden; la copertura arriva a SQL, Terraform, Apex, configurazioni «MCP», manifest di package, file Office, PDF, immagini e video trascritti localmente. I commenti `# WHY:` diventano nodi collegati al codice che spiegano.

Il quadro dei benchmark è diviso. Su LOCOMO, graphify guida sul recall@10 con 0,497 contro 0,149 di supermemory e 0,048 di mem0, ma resta indietro sull'accuratezza nel QA con 45,3% contro 49,7%. Su LongMemEval-S eguaglia un RAG denso al 76%. Costruire il grafo non costa alcun credito LLM, il che collocherebbe il vantaggio difendibile sul costo e sulla tracciabilità più che sulla qualità delle risposte.

C'è poi la deriva. Nello stesso giorno, «graphify.net», la vetrina e directory curata dallo stesso Shamsi, pubblicizzava "3.7k+ GitHub stars", dichiarava MIT per tre volte contro l'Apache 2.0 del file `LICENSE` del repository, e continuava a riportare una cifra di "71.5× token reduction" ritirata insieme al README della v1. Un fornitore di strumenti che scrive la guida comparativa per la propria stessa categoria occupa per primo la query di valutazione.

Tipo
Metodologia
adozione
Apache-2.0, pacchetto PyPI `graphifyy`; repository creato il 3 aprile 2026, 103 187 stelle e 10 024 fork al 6 agosto 2026; branch predefinito v8, README in 33 lingue
categoria
Skill open source presentata dal sito, distinta dal sito stesso
definizione
Skill e CLI che trasforma un progetto multi-formato in un grafo di conoscenza interrogabile: codice analizzato localmente in AST tree-sitter senza modello, prosa e immagini elaborate semanticamente, ogni arco etichettato secondo la sua provenienza, senza indice vettoriale
relazioni
15
Citata in
2 fiches

Metriche di adozione

Vicinato

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

→ utilizza

tree-sitter TECHNOLOGIE affidabilità alta atemporale Fonte ↗
algorithme de Leiden CONCEPT affidabilità alta atemporale Fonte ↗
NetworkX TECHNOLOGIE affidabilità alta atemporale Fonte ↗
faster-whisper pour transcrire vidéo et audio localement TECHNOLOGIE affidabilità alta atemporale Fonte ↗

← ha creato

Safi Shamsi PERSONNE affidabilità alta stabile Fonte ↗

← referenzia

graphify.net TECHNOLOGIE affidabilità alta dinamico Fonte ↗

← pubblica

Graphify Labs ORGANISATION affidabilità alta dinamico Fonte ↗

← fa parte di

commentaires d'intention CONCEPT affidabilità alta atemporale Fonte ↗

→ converge con

GitNexus TECHNOLOGIE affidabilità alta dinamico

Citata in (2)