尧图网页设计 
如何用graphify搭建个人第二大脑从/raw文件夹到可查询图谱【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify 想知道如何把散落的代码、文档、PDF 变成能随时提问的第二大脑吗开源工具graphify可以把你任意文件夹里的内容代码、文档、SQL 配置、PDF、图片解析成一张可查询的知识图谱——本地 AST 确定性解析、每条边都有出处说明、无需向量数据库。你只需三步装 CLI、把资料丢进/raw文件夹、运行一次/graphify就能用自然语言向自己的资料库提问而不是满仓库 grep。️ graphify 给第二大脑带来了什么传统做法是用向量搜索RAG近似地找资料而 graphify 的思路不同构建一张真正的图让关系可以沿着路径被遍历。graphify 把代码库渲染成可交互的知识图谱每个节点是一个概念颜色代表自动检测出的社区特性说明代码解析零成本用 tree-sitter AST 本地解析不经过 LLM数据不出本机每条边可解释关系标记为EXTRACTED源码里明确写出或INFERRED图谱推断带置信分不是向量索引没有 embedding、没有向量库问问题就是沿图查路径文档/PDF/图片同图代码、文档、PDF、视频、图片全部映射进同一张图工作原理详见 docs/how-it-works.md核心是三遍处理本地 AST 提取 → 音视频转写 → 文档/PDF/图片的语义抽取。 搭建第二大脑的三步法从 /raw 文件夹到可查询图谱第一步30 秒安装 graphify CLI前提Python 3.10推荐配合uvuv tool install graphifyy # 注意包名是双 y 的 graphifyy命令仍是 graphify graphify install # 把 /graphify 技能注册给你的 AI 助手graphify install会识别你的助手平台Claude Code、Cursor、Codex、Gemini CLI 等 20 平台写入对应的技能文件比如 .claude/skills/graphify/SKILL.md。第二步把所有资料放进 /raw 文件夹第二大脑的本质是先囤积、后结构化。约定俗成建一个raw/目录把你想纳入知识范围的东西丢进去raw/ ├── api.py、parser.py … # 任意语言的代码36 种语法 ├── architecture.md # 架构说明、笔记 ├── notes.md # 想法、待办、调研笔记 ├── paper.pdf # 论文/文档 └── diagram.png # 截图、图表仓库里就放着两个开箱即练的示例语料照着摆就行worked/example/README.md7 个文件的小型文档流水线4 个 Python 模块 2 篇 Markdown 1 个 API跑一遍零 token 成本worked/karpathy-repos/README.md3 个代码库 5 篇 PDF 论文 4 张图的 52 文件混合语料官方用它测出了71.5 倍的查询 token 节省。第三步运行 /graphify 生成可查询图谱在你的 AI 助手里输入/graphify ./raw几秒钟大语料稍久后graphify-out/目录里会得到三个文件这就是你的第二大脑实体产物用途graph.html浏览器直接打开——点节点、筛选、搜索的交互式图谱GRAPH_REPORT.md摘要报告核心概念、意外连接、建议提问graph.json完整图谱数据之后所有查询直接读它无需重读原始文件 读懂图谱报告上帝节点、社区与置信标签GRAPH_REPORT.md是你第二大脑的体检报告。以仓库内置示例 worked/httpx/GRAPH_REPORT.md 为例6 个文件被提取为144 个节点、330 条边、6 个社区报告直接告诉你上帝节点God Nodes连接数最多的核心抽象——比如Client(26 边)、Response(24 边)一眼看出系统的心脏在哪意外连接Surprising Connections跨文件、跨模块的隐藏关联往往是你没意识到的知识盲点社区CommunitiesLeiden 算法把图聚成子系统比如认证相关节点自动聚成一个社区。每条推断边都带置信标签EXTRACTED置信 1.0源码明确/INFERRED0.55–0.95 分档/AMBIGUOUS报告中标出待人工确认。你永远知道哪条结论是读出来的、哪条是猜出来的——这对知识库的可信度至关重要。 让第二大脑真正可用query、path、explain图谱建好后你不再翻文件而是查图/graphify query auth 和数据库之间是怎么连的 # 自然语言提问 → 返回子图 /graphify path UserService DatabasePool # 追踪两个概念的最短路径 /graphify explain RateLimiter # 解释一个概念的来源与连接实际输出长这样对 FastAPI 语料跑出的真实结果$ graphify path FastAPI ModelField Shortest path (3 hops): FastAPI --uses-- DefaultPlaceholder --references-- get_request_handler() --references-- ModelField配合这几个习惯第二大脑会持续生长增量更新/graphify ./raw --update只重提变化的文件SHA256 缓存自动跳过未变文件自动重建graphify/hooks.py 提供graphify hook installgit commit 后自动重建图谱纯 AST无 API 成本外部资料随手加/graphify add 论文URL或视频链接直接抓取并入图多格式输出--wiki生成 Markdown 维基、--obsidian导出 Obsidian 库、--svg/--graphml导出图文件共享给团队python -m graphify.serve graphify-out/graph.json把图谱暴露为 MCP 服务见 graphify/serve.py。 /raw 文件夹能吃下哪些文件graphify 的文件覆盖面决定了第二大脑的容量上限完整清单见 README.md 的What files it handles一节类型示例格式处理方式代码36 种语法.py .ts .go .rs .java .cpp .cs .swift .sql …本地 tree-sitter AST免费、离线文档.md .html .txt .yaml .rst文档间[链接]和[[wikilink]]自动变references边Office / PDF.docx .xlsx .pdf语义抽取走你的助手模型图片.png .jpg .webp语义抽取进同一张图音视频.mp4 .mp3 .wav本地 faster-whisper 转写后入图 提示不想收进图的文件比如node_modules/、生成代码写一个.graphifyignore语法同.gitignore且会自动叠加.gitignore。✅ 新手避坑清单包名是graphifyy双 y命令是graphify。装错包名会得到找不到命令的诡异报错装完提示command not found跑uv tool update-shell或pipx ensurepath后重开终端纯代码语料完全离线不需要任何 API keygraphify extract ./raw --code-only即可隐私代码本地解析、音频本地转写、无遥测只有文档/PDF/图片的语义抽取才调用模型且用的是你助手会话的模型PowerShell 用户用graphify .而不是/graphify .前导斜杠会被当成路径。 小结三步搭好你的第二大脑装 CLI1 分钟 → 资料丢进 /raw随攒随放 → /graphify ./raw一次构建 ↓ graph.html 看全貌 · GRAPH_REPORT.md 抓重点 · graph.json 答问题从 worked/example/ 的 7 个文件跑通第一张图开始逐步把读书笔记、项目代码、论文 PDF 都搬进/raw——当你能用graphify query问出我的笔记里哪个结论引用了这篇论文这类问题时第二大脑就真正长出来了。【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何用graphify搭建个人第二大脑？从/raw文件夹到可查询图谱
如何用graphify搭建个人第二大脑从/raw文件夹到可查询图谱【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify 想知道如何把散落的代码、文档、PDF 变成能随时提问的第二大脑吗开源工具graphify可以把你任意文件夹里的内容代码、文档、SQL 配置、PDF、图片解析成一张可查询的知识图谱——本地 AST 确定性解析、每条边都有出处说明、无需向量数据库。你只需三步装 CLI、把资料丢进/raw文件夹、运行一次/graphify就能用自然语言向自己的资料库提问而不是满仓库 grep。️ graphify 给第二大脑带来了什么传统做法是用向量搜索RAG近似地找资料而 graphify 的思路不同构建一张真正的图让关系可以沿着路径被遍历。graphify 把代码库渲染成可交互的知识图谱每个节点是一个概念颜色代表自动检测出的社区特性说明代码解析零成本用 tree-sitter AST 本地解析不经过 LLM数据不出本机每条边可解释关系标记为EXTRACTED源码里明确写出或INFERRED图谱推断带置信分不是向量索引没有 embedding、没有向量库问问题就是沿图查路径文档/PDF/图片同图代码、文档、PDF、视频、图片全部映射进同一张图工作原理详见 docs/how-it-works.md核心是三遍处理本地 AST 提取 → 音视频转写 → 文档/PDF/图片的语义抽取。 搭建第二大脑的三步法从 /raw 文件夹到可查询图谱第一步30 秒安装 graphify CLI前提Python 3.10推荐配合uvuv tool install graphifyy # 注意包名是双 y 的 graphifyy命令仍是 graphify graphify install # 把 /graphify 技能注册给你的 AI 助手graphify install会识别你的助手平台Claude Code、Cursor、Codex、Gemini CLI 等 20 平台写入对应的技能文件比如 .claude/skills/graphify/SKILL.md。第二步把所有资料放进 /raw 文件夹第二大脑的本质是先囤积、后结构化。约定俗成建一个raw/目录把你想纳入知识范围的东西丢进去raw/ ├── api.py、parser.py … # 任意语言的代码36 种语法 ├── architecture.md # 架构说明、笔记 ├── notes.md # 想法、待办、调研笔记 ├── paper.pdf # 论文/文档 └── diagram.png # 截图、图表仓库里就放着两个开箱即练的示例语料照着摆就行worked/example/README.md7 个文件的小型文档流水线4 个 Python 模块 2 篇 Markdown 1 个 API跑一遍零 token 成本worked/karpathy-repos/README.md3 个代码库 5 篇 PDF 论文 4 张图的 52 文件混合语料官方用它测出了71.5 倍的查询 token 节省。第三步运行 /graphify 生成可查询图谱在你的 AI 助手里输入/graphify ./raw几秒钟大语料稍久后graphify-out/目录里会得到三个文件这就是你的第二大脑实体产物用途graph.html浏览器直接打开——点节点、筛选、搜索的交互式图谱GRAPH_REPORT.md摘要报告核心概念、意外连接、建议提问graph.json完整图谱数据之后所有查询直接读它无需重读原始文件 读懂图谱报告上帝节点、社区与置信标签GRAPH_REPORT.md是你第二大脑的体检报告。以仓库内置示例 worked/httpx/GRAPH_REPORT.md 为例6 个文件被提取为144 个节点、330 条边、6 个社区报告直接告诉你上帝节点God Nodes连接数最多的核心抽象——比如Client(26 边)、Response(24 边)一眼看出系统的心脏在哪意外连接Surprising Connections跨文件、跨模块的隐藏关联往往是你没意识到的知识盲点社区CommunitiesLeiden 算法把图聚成子系统比如认证相关节点自动聚成一个社区。每条推断边都带置信标签EXTRACTED置信 1.0源码明确/INFERRED0.55–0.95 分档/AMBIGUOUS报告中标出待人工确认。你永远知道哪条结论是读出来的、哪条是猜出来的——这对知识库的可信度至关重要。 让第二大脑真正可用query、path、explain图谱建好后你不再翻文件而是查图/graphify query auth 和数据库之间是怎么连的 # 自然语言提问 → 返回子图 /graphify path UserService DatabasePool # 追踪两个概念的最短路径 /graphify explain RateLimiter # 解释一个概念的来源与连接实际输出长这样对 FastAPI 语料跑出的真实结果$ graphify path FastAPI ModelField Shortest path (3 hops): FastAPI --uses-- DefaultPlaceholder --references-- get_request_handler() --references-- ModelField配合这几个习惯第二大脑会持续生长增量更新/graphify ./raw --update只重提变化的文件SHA256 缓存自动跳过未变文件自动重建graphify/hooks.py 提供graphify hook installgit commit 后自动重建图谱纯 AST无 API 成本外部资料随手加/graphify add 论文URL或视频链接直接抓取并入图多格式输出--wiki生成 Markdown 维基、--obsidian导出 Obsidian 库、--svg/--graphml导出图文件共享给团队python -m graphify.serve graphify-out/graph.json把图谱暴露为 MCP 服务见 graphify/serve.py。 /raw 文件夹能吃下哪些文件graphify 的文件覆盖面决定了第二大脑的容量上限完整清单见 README.md 的What files it handles一节类型示例格式处理方式代码36 种语法.py .ts .go .rs .java .cpp .cs .swift .sql …本地 tree-sitter AST免费、离线文档.md .html .txt .yaml .rst文档间[链接]和[[wikilink]]自动变references边Office / PDF.docx .xlsx .pdf语义抽取走你的助手模型图片.png .jpg .webp语义抽取进同一张图音视频.mp4 .mp3 .wav本地 faster-whisper 转写后入图 提示不想收进图的文件比如node_modules/、生成代码写一个.graphifyignore语法同.gitignore且会自动叠加.gitignore。✅ 新手避坑清单包名是graphifyy双 y命令是graphify。装错包名会得到找不到命令的诡异报错装完提示command not found跑uv tool update-shell或pipx ensurepath后重开终端纯代码语料完全离线不需要任何 API keygraphify extract ./raw --code-only即可隐私代码本地解析、音频本地转写、无遥测只有文档/PDF/图片的语义抽取才调用模型且用的是你助手会话的模型PowerShell 用户用graphify .而不是/graphify .前导斜杠会被当成路径。 小结三步搭好你的第二大脑装 CLI1 分钟 → 资料丢进 /raw随攒随放 → /graphify ./raw一次构建 ↓ graph.html 看全貌 · GRAPH_REPORT.md 抓重点 · graph.json 答问题从 worked/example/ 的 7 个文件跑通第一张图开始逐步把读书笔记、项目代码、论文 PDF 都搬进/raw——当你能用graphify query问出我的笔记里哪个结论引用了这篇论文这类问题时第二大脑就真正长出来了。【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考