Graphify: el repositorio como grafo de conocimiento consultable

En pocas palabras

Graphify mapea un proyecto entero en un grafo de conocimiento: nodos para conceptos (clases, funciones, módulos, documentos) y aristas para sus relaciones (calls, imports, inherits…). El agente consulta ese grafo con preguntas como “¿qué conecta la autenticación con la base de datos?” en vez de hacer grep y abrir decenas de archivos.

Funciona como skill (/graphify) en Claude Code, Cursor, Codex, Gemini CLI, Copilot y más de veinte asistentes, y también como CLI independiente. Lo desarrolla Graphify Labs (YC S26), con licencia Apache-2.0 y ~126 k estrellas a octubre de 2026.

Qué problema resuelve

Un agente que no conoce un repositorio gasta gran parte de su contexto explorando: busca, lee archivos enteros, vuelve a buscar. En repositorios grandes eso es caro y aun así deja huecos. Graphify construye una vez el mapa y lo deja en disco para consultarlo sin releer el código.

Tres decisiones lo distinguen:

• El código se mapea gratis y en local. Usa tree-sitter (un parser que produce el árbol sintáctico, AST, de unos 40 lenguajes): determinista, sin LLM y sin que el código salga de tu máquina.
• Cada arista está explicada. Se marca como EXTRACTED (explícita en el código) o INFERRED (resuelta por Graphify), para distinguir lo leído de lo deducido.
• No es un índice vectorial. Sin embeddings ni vector store: es un grafo real que se recorre. Ver la diferencia con RAG en la sección de cuándo conviene.

Cómo funciona

/graphify .

genera tres archivos:

graphify-out/
├── graph.html       grafo interactivo: clic en nodos, filtros, búsqueda
├── GRAPH_REPORT.md  conceptos clave, conexiones sorprendentes, preguntas sugeridas
└── graph.json       el grafo completo, consultable sin releer archivos

Capacidad	Qué aporta
God nodes	Los conceptos más conectados: por dónde pasa todo
Comunidades	El grafo dividido en subsistemas (algoritmo de Leiden), con etiquetas sin LLM
Enlaces entre archivos	calls, imports, inherits, mixes_in resueltos entre archivos
query, path, explain	Preguntar en lenguaje natural, trazar el camino entre dos cosas o explicar un concepto
Justificaciones	Comentarios # NOTE: / # WHY: y citas de ADR o RFC se convierten en nodos enlazados al código
Más allá del código	Docs, PDFs, imágenes, audio y vídeo entran al mismo grafo mediante una pasada semántica

Ejemplo real del README, sobre el código de FastAPI:

$ graphify path "FastAPI" "ModelField"
Shortest path (3 hops):
  FastAPI --uses--> DefaultPlaceholder <--references-- get_request_handler() --references--> ModelField

Instalación

Requiere Python 3.10 o superior. Se recomienda uv para aislar el entorno:

uv tool install graphifyy      # o: pipx install graphifyy
graphify install               # registra la skill en tu asistente (Claude Code por defecto)

Para instalar la skill dentro del repositorio actual (en .claude/skills/graphify/ o .agents/skills/graphify/) en vez de en tu perfil:

graphify install --project

Por plataforma:

graphify install --platform codex     # Codex (se invoca con $graphify)
graphify cursor install               # Cursor: escribe .cursor/rules/graphify.mdc con alwaysApply
graphify install --platform gemini    # Gemini CLI
graphify install --platform opencode  # OpenCode
graphify install --platform copilot   # GitHub Copilot CLI
graphify vscode install               # Copilot Chat en VS Code
graphify install --platform agents    # estándar genérico .agents/skills/

En Codex, la extracción en paralelo necesita multi_agent = true bajo [features] en ~/.codex/config.toml. Hay extras opcionales para PDFs, Office, vídeo, SQL, PostgreSQL en vivo, un servidor MCP (graphifyy[mcp]), Neo4j y backends de modelo (Ollama, OpenAI, Gemini, Anthropic, Bedrock):

uv tool install "graphifyy[pdf,mcp]"

Que el agente use siempre el grafo

graphify claude install

En Claude Code y Gemini CLI instala un hook que, antes de búsquedas o lecturas de archivos sueltos, empuja al agente hacia graphify query. En Codex, OpenCode y Cursor lo hace con archivos de instrucciones (AGENTS.md, .cursor/rules/). Para mantener el grafo al día, graphify hook install lo reconstruye en cada commit y cambio de rama.

Comandos habituales

Comando	Qué hace
/graphify .	Construye el grafo de la carpeta actual
/graphify ./docs --update	Reextrae solo los archivos cambiados
/graphify . --wiki	Genera una wiki en Markdown a partir del grafo
/graphify query "<pregunta>"	Devuelve el subgrafo relevante para una pregunta
/graphify path "A" "B"	Traza el camino más corto entre dos nodos
/graphify explain "RateLimiter"	Explica un concepto y sus conexiones
/graphify add <url>	Añade un paper o un vídeo (lo transcribe)
graphify hook install	Reconstrucción automática en commit y checkout
graphify prs	Panel de PRs con impacto en el grafo
graphify uninstall --purge	Quita Graphify de todas las plataformas y su salida

Desde scripts, graphify query devuelve código de salida 0 con respuesta, 3 si el nombre es ambiguo y 4 si no hay nodo.

Cuándo conviene y cuándo no

Conviene en repositorios medianos o grandes, monorepos con mucha documentación, onboarding en código ajeno, revisiones de PR donde importa el radio de impacto, y cuando quieres reducir el gasto de contexto del agente en exploración.

No conviene en proyectos pequeños que el agente lee entero sin problema, ni si no vas a mantener el grafo actualizado: un grafo obsoleto es peor que ninguno.

Frente a un índice RAG con embeddings, Graphify responde mejor a preguntas estructurales (quién llama a quién, qué depende de qué) y explica cada relación; un buscador vectorial responde mejor a “¿dónde se habla de X?”. Si lo que quieres es un diagrama para documentación, Archify es más directo; si buscas un dashboard con recorridos guiados para onboarding, Understand Anything sigue una idea parecida con más peso en la capa explicativa. Graphify también puede servirse como servidor MCP.

El README publica benchmarks propios (LOCOMO, LongMemEval, cobertura de hechos frente a grep) en BENCHMARKS.md; son del proyecto y conviene leerlos con esa perspectiva.

Límites y precauciones

• Revisa lo que instalas. La skill y sus hooks entran en el contexto y el flujo de un agente con acceso a tu repositorio. Lee el SKILL.md instalado y qué hooks añade cada graphify <plataforma> install.
• Privacidad por tipo de archivo. Código y audio/vídeo (faster-whisper) se procesan en local; docs, PDFs e imágenes pasan por un modelo. En modo headless, graphify extract elige proveedor según la API key presente; fija --backend explícitamente si te importa a dónde van los datos (por ejemplo, Kimi enruta a servidores en China).
• Nombre del paquete. Solo graphifyy. Hay paquetes con nombres parecidos no afiliados.
• Sin telemetría, según el README, pero sí registro local de consultas (ver advertencias).
• Graphify Cloud. El README promociona una versión en la nube de pago (siempre activa, multirrepo); no es necesaria para usar la skill.

Fuentes

• Repositorio y README de Graphify
• Documentación oficial
• Sitio oficial
• Paquete graphifyy en PyPI