Graphify : l'outil qui redéfinit la mémoire des IA en codage

Qu'est-ce que Graphify ?

Graphify est un système innovant qui fonctionne comme un assistant de codage IA, permettant aux utilisateurs de transformer n'importe quel répertoire en un graphe de connaissances consultable. Contrairement à un simple chatbot, ce système agit comme une entité indépendante. Il est conçu pour opérer au sein de divers environnements de codage IA, tels que Claude Code, Cursor, Codex, Gemini CLI, et d'autres plateformes.

Pour installer Graphify, une seule commande est nécessaire :

pip install graphify && graphify install

Une fois installé, il suffit de lancer votre assistant IA et d'entrer la commande appropriée. Le système doit être dirigé vers un dossier, qu'il s'agisse d'une base de code, d'un répertoire de recherche ou d'un dépôt de notes. Le système génère ensuite un graphe de connaissances que les utilisateurs peuvent explorer après avoir pointé vers un dossier.

Ce qui est construit (et pourquoi cela compte)

Après l'exécution de Graphify, vous obtiendrez quatre fichiers dans votre dossier graphify-out/ :

• graph.html : Ce fichier est une représentation interactive et cliquable de votre graphe de connaissances, permettant de filtrer les recherches et de découvrir des communautés.
• GRAPH_REPORT.md : Ce fichier offre un résumé en langage clair de vos nœuds principaux, des liens inattendus que vous pourriez découvrir, et des questions suggérées qui émergent de votre analyse.
• graph.json : Il s'agit d'une représentation persistante de votre graphe que vous pouvez interroger des semaines plus tard sans avoir à relire les sources de données originales pour générer vos résultats.
• cache/ : Ce dossier contient un fichier cache basé sur SHA256, garantissant que seuls les fichiers ayant changé depuis la dernière exécution de Graphify soient retraités.

Ces éléments deviennent partie intégrante de votre couche de mémoire. Plutôt que de lire des données brutes, vous accédez désormais à des données structurées. Le bilan d'efficacité des tokens est révélateur : sur un corpus mixte de dépôts Karpathy, d'articles de recherche et d'images, Graphify délivre 71,5 fois moins de tokens par requête par rapport à la lecture directe de fichiers bruts.

Comment ça fonctionne en coulisses ?

Le fonctionnement de Graphify repose sur deux phases d'exécution distinctes, cruciales pour comprendre son mécanisme opérationnel :

Pass 1 – Extraction AST déterministe :

Graphify utilise tree-sitter pour extraire la structure du code, analysant les fichiers pour identifier leurs composants, tels que les classes, les fonctions, les imports, les graphes d'appels, les docstrings et les commentaires explicatifs. Ce processus se déroule sans aucune composante LLM, garantissant que votre machine conserve tous les contenus de fichiers sans transmission de données. Cette méthode présente trois avantages majeurs : rapidité, précision et protection de la vie privée de l'utilisateur.

Pass 2 – Extraction AI parallèle :

Les sous-agents Claude exécutent leurs tâches simultanément à travers des documents, y compris des PDF, du contenu markdown et des images. Ils extraient des concepts, des relations et des justifications de conception à partir de contenu non structuré, aboutissant à la création d'un graphe unifié NetworkX.

Le processus de clustering utilise la détection de communauté Leiden, une méthode basée sur la topologie des graphes qui ne nécessite ni embeddings ni base de données vectorielle. L'extraction de Pass 2 de Claude génère des arêtes de similarité sémantique, intégrées dans le graphe, influençant directement le processus de clustering. La structure du graphe sert de signal pour indiquer la similarité entre les éléments.

Un des aspects les plus bénéfiques de Graphify est sa méthode d'attribution des niveaux de confiance. Chaque relation est étiquetée comme suit :

• EXTRACTED – trouvée dans la source avec un niveau de confiance de un.
• INFERRED – inférence raisonnable basée sur un degré de confiance (nombre).
• AMBIGUOUS – nécessite une révision humaine.

Cela permet de différencier entre les données trouvées et inférées, offrant un niveau de transparence absent dans la plupart des outils IA et aidant à développer la meilleure architecture basée sur la sortie du graphe.

Ce que vous pouvez réellement interroger

Le processus d'interrogation du système devient plus intuitif après la construction du graphe. Les utilisateurs peuvent exécuter des commandes via leur terminal ou leur assistant IA, telles que :

• graphify query "what connects attention to the optimizer?"
• graphify query "show the auth flow" --dfs
• graphify path "DigestAuth" "Response"
• graphify explain "SwinTransformer"

Le système exige que les utilisateurs effectuent des recherches à l'aide de termes spécifiques. Graphify suit les connexions réelles dans le graphe à travers chaque point de connexion tout en montrant les types de connexion, les niveaux de confiance et les points de source. Le drapeau --budget vous permet de limiter la sortie à un certain montant de tokens, ce qui devient essentiel lorsque vous devez transférer des données de sous-graphe à votre prochaine invite.

Le bon flux de travail se déroule selon ces étapes :

• Commencez par le document GRAPH_REPORT.md qui fournit des informations essentielles sur les principaux sujets.
• Utilisez graphify query pour extraire un sous-graphe ciblé pour votre question spécifique.
• Vous devez envoyer la sortie compacte à votre assistant IA au lieu d'utiliser le fichier complet.
• Le système exige que vous naviguiez à travers le graphe au lieu de présenter son contenu entier dans une seule invite.

Mode Toujours Actif : Rendre votre IA plus intelligente par défaut

Des modifications au niveau système de votre assistant IA peuvent être effectuées à l'aide de Graphify. Après avoir créé un graphe, vous pouvez exécuter dans un terminal :

graphify claude install

Cela crée un fichier CLAUDE.md dans le répertoire Claude Code qui indique à Claude d'utiliser le fichier GRAPH_REPORT.md avant de répondre à des questions sur l'architecture. De plus, cela place un hook PreToolUse dans votre fichier settings.json qui se déclenche avant chaque appel Glob et Grep. Si un graphe de connaissances existe, Claude devrait voir l'invite pour naviguer via la structure du graphe au lieu de rechercher des fichiers individuels.

L'effet de ce changement est que votre assistant cessera de scanner les fichiers de manière aléatoire et utilisera la structure des données pour naviguer. En conséquence, vous devriez recevoir des réponses plus rapides aux questions quotidiennes et des réponses améliorées pour des questions plus complexes.

Support des types de fichiers

Grâce à ses capacités multimodales, Graphify est un outil précieux pour la recherche et la collecte de données. Graphify prend en charge :

• Le traitement d'arbres de 20 langages de programmation : Python, JavaScript, TypeScript, Go, Rust, Java, C, C++, Ruby, C#, Kotlin, Scala, PHP, Swift, Lua, Zig, PowerShell, Elixir, Objective C, et Julia.
• L'extraction de citations et de concepts à partir de documents PDF.
• Le traitement d'images (PNG, JPG, WebP, GIF) à l'aide de Claude Vision. Diagrammes, captures d'écran, tableaux blancs et matériel qui n'est pas en anglais.
• L'extraction de relations et de concepts complets à partir de Markdown, .txt, .rst.
• Le traitement de documents Microsoft Office (.docx et .xlsx) en configurant une dépendance optionnelle :

pip install graphify[office]

Il suffit de déposer un dossier contenant des fichiers de types mixtes dans Graphify, et il traitera chaque fichier selon la méthode de traitement appropriée.

Capacités supplémentaires à connaître

Graphify inclut plusieurs fonctionnalités pour une utilisation en environnement de production, en plus de sa fonctionnalité principale produisant des graphes à partir de fichiers de code.

• Auto-sync avec –watch : Exécuter Graphify dans un terminal peut reconstruire automatiquement le graphe à mesure que les fichiers de code sont modifiés. Lorsque vous modifiez un fichier de code, un Abstract Syntax Tree (AST) est automatiquement reconstruit pour refléter votre changement. Lorsque vous modifiez un document ou une image, vous êtes averti de lancer –update afin qu'un LLM puisse repasser sur le graphe pour refléter tous les changements.

• Hooks Git : Vous pouvez créer un commit Git pour reconstruire le graphe chaque fois que vous changez de branche ou effectuez un commit en exécutant graphify hook install. Vous n'avez pas besoin d'exécuter un processus en arrière-plan pour faire fonctionner Graphify.

• Export Wiki avec –wiki : Vous pouvez exporter un markdown de style Wiki avec un point d'entrée index.md pour chaque nœud principal et par communauté au sein de la base de données Graphify. Tout agent peut explorer la base de données en lisant les fichiers exportés.

• Serveur MCP : Vous pouvez démarrer un serveur MCP sur votre machine locale et faire référence à des données de graphe structurées pour des requêtes répétées (query_graph, get_node, get_neighbors, shortest_path) en exécutant python -m graphify.serve graphify-out/graph.json.

• Options d'exportation : Vous pouvez exporter de Graphify vers SVG.