Graphify grafo de conocimiento: cartografiar un código

Graphify grafo de conocimiento de código abierto: instalación según el README, consultas query, path y explain, confidencialidad y registro de consultas.
Graphify graphe de connaissances : cartographier un code

Graphify grafo de conocimiento: el repositorio Graphify-Labs/graphify transforma un proyecto (código, documentos, PDF, imágenes, vídeo) en un grafo que se consulta en lugar de recorrer los archivos con grep. Se invoca con el comando /graphify desde un asistente de código. Mostraba unas 132 100 estrellas en octubre de 2026, con doble licencia Apache-2.0 y MIT.

Para un ingeniero o un SRE que hereda un código desconocido (un servicio sin documentación, un monorepo, un repositorio de incidente), la idea es ver qué componentes dependen de qué, sin leer cien archivos. Este artículo presenta lo que dice el repositorio, la instalación según el README, lo que produce la herramienta y los puntos que vigilar: confidencialidad, registro de consultas, oferta comercial vecina.

La información procede del README y de la documentación del proyecto. span.observer no ha instalado Graphify: la captura y la salida de comando siguientes proceden del README del repositorio (ejemplo con el código de FastAPI).

Graphify grafo de conocimiento: lo que dice el repositorio

  • Quién: Graphify Labs, que se presenta como titular del nombre y del logotipo. El README muestra una insignia de Y Combinator S26. El archivo LICENSE-MIT lleva «Copyright (c) 2026 Safi Shamsi».
  • Licencia: el repositorio contiene un archivo LICENSE (Apache-2.0, recogido por la insignia del README) y un archivo LICENSE-MIT. El README no dice qué parte depende de cuál: lee ambos archivos antes de un uso comercial.
  • Versión: el paquete de PyPI graphifyy estaba en la 0.9.93, publicada el 20 de octubre de 2026. La rama por defecto del repositorio es v8.
  • Entradas: unos 40 lenguajes de programación analizados con tree-sitter; documentos, PDF, imágenes, audio y vídeo mediante una pasada semántica; esquemas SQL y configuraciones con extras opcionales.
  • Salidas: una carpeta graphify-out/ con graph.html (grafo interactivo), GRAPH_REPORT.md (conceptos centrales, enlaces sorprendentes, preguntas sugeridas) y graph.json (grafo completo, consultable después).
  • Principio: cada enlace se etiqueta como EXTRACTED (explícito en la fuente) o INFERRED (deducido). El README precisa que no es un índice vectorial: sin embeddings, un verdadero grafo que se recorre.
Extracto del README de Graphify: grafo interactivo del código de FastAPI en forma de nube de nodos de colores, con a la derecha la leyenda de las comunidades detectadas (APIRouter, SecurityBase, FastAPI, HTTPException, ModelField…)
Source : github.com

La captura muestra el graph.html producido con el código de FastAPI: cada color es una comunidad detectada, es decir, un subsistema del código.

Instalar Graphify según el README

Paso 1 — Requisitos previos

Python 3.10 o posterior, y uv (recomendado) o pipx. El README proporciona comandos de instalación para macOS (brew install [email protected] uv), Windows (winget install astral-sh.uv) y Debian o Ubuntu.

Paso 2 — Instalar el comando y registrarlo en tu asistente

uv tool install graphifyy      # ou : pipx install graphifyy
graphify install               # détecte votre assistant et enregistre le skill

Atención al nombre: el paquete oficial de PyPI se escribe graphifyy con dos «y». El README avisa de que otros paquetes graphify* no están afiliados. El comando, en cambio, sigue siendo graphify.

Paso 3 — Construir el grafo

En tu asistente de código (Claude Code, Cursor, Gemini CLI, GitHub Copilot y una veintena más, según el README), escribe:

/graphify .

Con Codex, la sintaxis es $graphify. Para instalar el skill en el repositorio actual en lugar de en tu perfil: graphify install --project. Para reconstruir automáticamente en cada commit: graphify hook install.

Consultar el grafo

Una vez construido el grafo, el README describe tres gestos: graphify query "pregunta", graphify path A B y graphify explain "Nombre". Esta es la salida de ejemplo publicada por el proyecto con el código de FastAPI:

Salida de ejemplo del README de Graphify con el código de FastAPI: comando graphify explain APIRouter con sus 47 enlaces etiquetados EXTRACTED o INFERRED, y luego graphify path entre FastAPI y ModelField en tres saltos
Source : github.com

Aquí se ve el interés para la operación: el comando explain da el archivo fuente, la comunidad y el grado de un componente; el comando path muestra el camino más corto entre dos componentes. Las etiquetas INFERRED son hipótesis: compruébalas en el código antes de concluir.

Confidencialidad y observabilidad de la herramienta

  • Código: analizado localmente con tree-sitter, sin modelo de lenguaje, según el README; un corpus de solo código se construye sin clave de API.
  • Documentos, PDF, imágenes: enviados a tu asistente o a un proveedor configurado (variables de entorno para Gemini, Claude, OpenAI, Ollama, Bedrock…). GRAPHIFY_BACKEND=none desactiva los modelos, GRAPHIFY_BACKEND=ollama lo mantiene todo en local.
  • Telemetría: el README afirma que no hay ninguna.
  • Registro de consultas: activado por defecto, cada query, path, explain y llamada MCP query_graph se añade a ~/.cache/graphify-queries.log en formato JSON Lines (marca de tiempo, pregunta, corpus, número de nodos, duración). Las respuestas completas no se almacenan. Desactivación: GRAPHIFY_QUERY_LOG_DISABLE=1.

Para una herramienta local, este registro es el único rastro de uso documentado: permite ver la duración de cada consulta. El README menciona también un extra mcp (uv tool install "graphifyy[mcp]") que sirve el grafo mediante un servidor MCP en stdio; sobre este tipo de servidor, consulta la observación de los agentes MCP con OpenTelemetry. No he encontrado ninguna exportación de OpenTelemetry documentada.

Cómo comprobar que funciona

  • Tras /graphify ., la carpeta graphify-out/ contiene graph.html, GRAPH_REPORT.md y graph.json.
  • Abre graph.html: ¿las comunidades corresponden a los subsistemas que conoces?
  • Ejecuta graphify explain sobre un componente conocido y compara los enlaces EXTRACTED con el código.

Límites y puntos abiertos

  • Cifras del proyecto: el README publica resultados (LOCOMO, LongMemEval-S, ERPNext) precisando que proceden del propio proyecto; no se reproducen aquí. El gancho «reducir un 80 % el gasto en tokens de los agentes» concierne a la oferta en la nube y sigue siendo una afirmación comercial.
  • Oferta en la nube: «Graphify Cloud», de pago, se promociona en todo el README. La herramienta local se puede usar sola, pero lee la página antes de depender de una función.
  • Dependencias opcionales: algunas opciones exigen un compilador de C o una versión concreta de Python; Codex requiere multi_agent = true para la extracción en paralelo.
  • Juventud: más de 130 000 estrellas, versiones frecuentes, un número de versión inferior a 1.0: espera cambios.

Buenas prácticas

  • Empieza con un repositorio no sensible, con --code-only si no quieres enviar nada a un modelo.
  • Excluye los secretos y los datos personales del corpus antes de la pasada semántica.
  • Relee los enlaces INFERRED antes de citarlos en una revisión.
  • Decide cuánto conservar el registro ~/.cache/graphify-queries.log, que contiene tus preguntas.
  • Complétalo con una memoria de agente o una compresión de contexto: consulta context-mode y la ventana de contexto de los agentes.

Preguntas frecuentes

¿Envía Graphify mi código a algún servicio?

Según el README, el código se analiza localmente. Solo los documentos, PDF e imágenes pasan por tu asistente o por el proveedor que configures.

¿Qué diferencia hay con una búsqueda vectorial?

El proyecto afirma no usar ni embeddings ni base de datos vectorial: construye un grafo de relaciones que se recorre (query, path, explain).

¿Funciona Graphify con el servidor MCP de GitHub?

Son dos herramientas distintas: una cartografía un proyecto, la otra expone la API de GitHub a un agente. Consulta el servidor MCP oficial de GitHub.

Conclusión

Graphify propone una forma concreta de entender un código desconocido: un grafo local, enlaces explícitos y tres comandos de consulta. Pruébalo con un repositorio no sensible, lee los dos archivos de licencia, desactiva el registro si hace falta y toma las cifras del README como afirmaciones del proyecto.

span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC ni a los proyectos citados. Las marcas citadas pertenecen a sus propietarios. Las herramientas evolucionan rápido: comprueba los comandos y las opciones en su documentación oficial (docs.graphify.com).

Total
0
Shares
Leave a Reply

Your email address will not be published. Required fields are marked *

Previous Post
vLLM inférence LLM : installer et superviser le serveur

vLLM inferencia de LLM: instalar y supervisar el servidor

Next Post
Supabase Postgres open source : installer et superviser

Supabase Postgres de código abierto: instalar y supervisar

Related Posts