Graphify:1行コマンドで任意のフォルダをナレッジグラフに変える
ゼロ設定、全モダリティ対応、ローカル実行のオープンソースナレッジグラフツール。token消費を71.5分の1に低減し、ベクトルデータベース不要、pipでワンクリックインストールできます。


Graphify:1行コマンドで任意のフォルダをナレッジグラフに変える
ゼロ設定、全モダリティ対応、ローカル実行のオープンソースナレッジグラフツール。token消費を71.5分の1に低減し、ベクトルデータベース不要、pipでワンクリックインストールできます。
Karpathyが個人のナレッジベースワークフローを共有してから48時間以内に、オープンソースコミュニティは製品レベルの答えを用意しました。Graphifyはゼロ設定のナレッジグラフツールで、任意のフォルダ内のコード、PDF、画像、Markdownをすべて自動解析してナビゲート可能なナレッジグラフに変え、同時にtoken消費を71.5分の1に抑えます。大量の研究資料、コードリポジトリ、ノートを管理する必要がある開発者や研究者に適しています。
Graphifyとは
Graphifyは、Karpathyのナレッジベース手法の「完全体」実装です。元の方式では、raw/ディレクトリの手動整理と処理の手動トリガーが必要で、元ファイルを繰り返し読み込むことで大量のtokenを消費していました。Graphifyはこの一連のフローをすべて自動化し、2段階処理によってtoken使用量を71.5分の1に削減します。
GitHubではすでに2k以上のStarを獲得しています。PyPIパッケージ名は graphifyy です(yが1つ多い点に注意)。
核心機能
全モダリティの自動解析
フォルダに放り込むだけでよく、手動での分類は不要です:
- コードファイル:ローカルのtree-sitter AST解析。LLMを呼び出さず、token消費ゼロ
- PDF / Markdown:テキストと意味単位を自動分割
- スクリーンショット / フローチャート / ホワイトボード写真:Claude Visionを呼び出して概念と関係を抽出

tokenを71.5分の1に節約
2段階のフローです:第1段階ではコードに対してローカルでAST抽出を行い、LLMをまったく呼び出しません。第2段階ではドキュメントと画像に対してのみ1回の意味抽出を行い、SHA256キャッシュと合わせて、再実行時には変更されたファイルだけを処理します。
52個の混合ファイル(コードリポジトリ + 論文5本 + 画像4枚)を含むテストシナリオでは、クエリごとのtoken消費が71.5分の1に低減しました。

ベクトルデータベース不要
クラスタリングはグラフトポロジーに基づく(Leidenコミュニティ検出アルゴリズム)ため、embeddingsに依存せず、ベクトルデータベースのデプロイと保守のコストを省けます。
インストールと使用方法
環境要件:Python 3.10+
# 安装
pip install graphifyy && graphify install
# 进入目标目录,一键生成知识图谱
/graphify .実行が完了すると、現在のディレクトリに graph.html が生成され、ブラウザで開くだけでインタラクティブなナレッジグラフが見られます。

プラットフォーム別のインストール
# 龙虾平台(OpenClaw)
graphify install --platform claw
# Codex 用户需先开启并行模式
# 在 ~/.codex/config.toml 的 [features] 下添加:
# multi_agent = trueヒント:OpenClawプラットフォームはマルチエージェント並列のサポートがまだ十分でなく、逐次抽出のみになるため、速度はやや遅くなります。
増分更新とウォッチモード
# 文件监听模式,代码变更后自动重新解析
graphify --watch
# 增量更新,只处理新增或变更的文件
graphify --updateGitフックのインストールにも対応しており、commitやブランチ切替の後にグラフを自動で再構築します。バックグラウンドプロセスは不要です。
結果の確認
/graphify . を実行したら、現在のディレクトリに以下のファイルが生成されたか確認します:
graph.html:インタラクティブなナレッジグラフ。ブラウザでそのまま開ける- 分析レポートと永続化可能なデータファイル
各リレーションにはタイプ注釈(原文からの抽出 / モデルによる推論 / 曖昧な関係)と信頼度が付き、出所は透明に追跡できます。
よくある質問
- PyPIのパッケージ名がgraphifyyなのはなぜ? 作者が登録した時点でgraphifyはすでに使われていたため、暫定的にgraphifyyにしています。今後変更される可能性があります。
- Codexの並列モードが動かない?
~/.codex/config.tomlにmulti_agent = trueが設定されているか確認してください。 - グラフのノードが多すぎて見えにくい?
--updateで増分更新するか、HTML画面のフィルタ機能で特定のコミュニティにフォーカスしてください。
プロジェクトURL:https://github.com/safishamsi/graphify/blob/v3/README.zh-CN.md
関連記事

RynnWorld-Teleop:DAMO アカデミーがオープンソース化したデジタルテレオペ。実機なしでロボットの学習データを収集
Alibaba DAMO アカデミーがデジタルテレオペレーション方式「RynnWorld-Teleop」をオープンソース化。ジェスチャーでワールドモデルを駆動してロボットの視覚デモを生成し、関節レベルのラベル付き学習データを自動で出力します。本記事では中核となる発想、公開内容、適用シナリオを解説します。

Wan-Streamer v0.2:エンドツーエンド 550ms レイテンシの全モーダル・リアルタイム対話モデル
Alibaba Tongyi の Wan-Streamer v0.2 は、聞く・見る・話す・演じるを 1 つの Transformer に統合し、約 550ms のエンドツーエンドレイテンシで全二重の音声動画インタラクションを実現します。本記事ではアーキテクチャ、主要指標、適用シナリオを解説します。

Agnes-2.5-Flash:Sapiens AI の期間無制限・無料のコーディングモデルを試す
シンガポールの Sapiens AI がコーディングモデル Agnes-2.5-Flash を公開。公式は期間無制限の無料と、世界的コーディングモデルのトップティア入りを打ち出し、Agnes Code デスクトップアプリにすでに搭載されています。

LibTV が Skill ストアを開設:100 以上の監督級 Skill で Agent が動画制作を自動化
LiblibAI のプロフェッショナル向け AI 動画プラットフォーム LibTV が、世界最大の動画 Agent Skill Hub を公開しました。100 以上の監督級 Skill を Agent から呼び出せる形でパッケージ化し、一文の台本から完成映像までを一気通貫で作れます。

PixVerse が 4.39 億ドルを投じて作る Game Engine:動画を遊べる世界へ変える
PixVerse が 4.39 億ドルの Series C 拡張ラウンドの調達を完了し、Game Engine を発表しました。リアルタイム世界モデル R1 をベースに、動画生成を入力へ即時応答するインタラクティブな世界へ変えます。

Claude Code Agentic Loops:Prompt を書く段階からループを設計する段階へ、4 つのエンジニアリング実践
1 回きりの Prompt を、繰り返し可能で停止条件を持つ自動化ループへ引き上げます。Claude Code 公式が提示する 4 種類の Loop パターンについて、それぞれのトリガー方式、受け入れ基準、token 節約のテクニックを解説します。