Transcript
00:00:00Graphify 刚刚解决了 Claude Code 的内存问题。
00:00:03它能够将任何代码库转化为一个强大的知识图谱，
00:00:06就像你在这里看到的这样。
00:00:08在此过程中，它使 Claude Code 能够以极低的 token 成本
00:00:12为你提供更准确的答案。
00:00:14它通过遍历你的整个代码库，
00:00:17映射所有连接，并辨别这些连接背后的原因来实现这一点。
00:00:21最棒的是，它是开源且完全免费的。
00:00:24所以今天，我将向你展示如何亲自使用它，
00:00:27以及它的底层逻辑到底是什么，
00:00:30这样你就可以立即开始使用它了。
00:00:32Graphify 是几个月前发布的。
00:00:34它在 GitHub 上拥有近 6 万颗星。
00:00:36它的作用是让你的 AI 编程助手——
00:00:39不一定非得是 Claude Code，但我们今天会用它——
00:00:41将你的整个项目、代码、文档、PDF、图像和视频
00:00:45映射到一个你可以直接查询的知识图谱中，而不是通过 grep 搜索文件。
00:00:49我们可以使用 Graphify 指向任何我们想要的仓库，
00:00:54它就会创建这种知识图谱。
00:00:55我们关心这一点的原因是，当我们创建了知识图谱时，
00:01:00它使 Claude Code 能够更容易地回答关于该仓库的问题，
00:01:04因为一切都已经映射好了。
00:01:06A 如何连接到 B，B 如何连接到 C 都非常清楚，
00:01:09而且这些连接背后的含义也很明确。
00:01:11这与通过 grep 搜索文件形成对比，
00:01:13而这正是像 Claude Code 这样的 AI 编程助手通常的工作方式。
00:01:16这有点像是个简单的类比，但它就像是在执行 Control-F
00:01:19并试图进行搜索，而不是拥有一条清晰的、了解一切事物运作方式的路径，对吧？
00:01:25这为 Claude Code 提供了一张地图，而 grep 搜索文件则完全没有。
00:01:29因此，使用像 Graphify 这样的工具可以用更少的 token 获得更准确的答案。
00:01:35那么这些 token 节省到底有多显著呢？
00:01:37嗯，有些人声称可以达到 70 倍，我觉得这有点夸张了。
00:01:41正如我们今天演示时会看到的那样，
00:01:42虽然比 70 倍要低一些，但仍然非常显著。
00:01:45这就是你为什么应该关心它的原因。
00:01:47现在让我们谈谈它实际上是如何工作的。
00:01:48我们如何从代码库转变为这样的知识图谱，
00:01:51这看起来非常非常类似于图 RAG 知识库。
00:01:56它们是一样的吗？
00:01:56它与 RAG 有什么关系？
00:01:57我们会谈谈这个。
00:01:58它的工作原理是通过三个不同的处理阶段。
00:02:00在第一阶段，我们查看代码结构，
00:02:03这个过程是完全免费的。
00:02:05你在这里看到的一切，都只是通过第一阶段得出的。
00:02:09这是确定性的过程。
00:02:10这不是 AI 在玩猜谜游戏。
00:02:12它实际上是在检查代码本身，并指出，
00:02:15这段代码与第二段代码相关联。
00:02:18这就是代码库编写出来的实际方式。
00:02:20这些都是已建立的连接。
00:02:22正如这里所说的，Tree-sitter 会解析你的代码文件，并提取类、
00:02:26函数、导入、调用图和内联注释。
00:02:29这一步在本地运行，不需要任何 LLM 参与。
00:02:31在第二阶段，它查看视频和音频，
00:02:34如果存在这些文件的话。
00:02:36如果确实存在，它们将使用 Faster Whisper 进行转录。
00:02:39一旦它们被分解成文本，
00:02:41它们也会被注入到知识图谱中。
00:02:44最后，它会对文档、论文和图像进行第三次处理。
00:02:47所以，如果你的代码库中包含不属于纯代码的内容，
00:02:50无论是 PDF 文件、文档、图像还是其他东西，
00:02:54都会在第三阶段被处理。
00:02:56这就是大语言模型实际介入的地方，
00:02:58进行某种语义分析，
00:03:00也就是理解这份文档到底是什么意思，
00:03:03以及它应该放置在这个更大的知识图谱中的什么位置。
00:03:06这第三阶段有点类似于不使用真正嵌入的
00:03:10RAG 系统所做的事情。
00:03:12一旦完成所有这些，
00:03:13它就开始创建实际的知识图谱本身。
00:03:17这里面涉及了一些更技术性的细节，
00:03:19但你只需要明白它会创建节点，
00:03:23节点，就是这些小圆圈，对吧？
00:03:26每一个圆圈都是一个节点。
00:03:28然后我们有边，也就是连接两个节点之间的线，
00:03:33两个相连的事物，然后是社区。
00:03:35社区只是节点的大型分组，
00:03:38这些节点在本质上是相似的。
00:03:39你在这里看到的是 486 个社区。
00:03:43这就是数据如何被实际提取
00:03:46并转化为图谱的概述。
00:03:47记住，我们关心将其转化为图谱
00:03:49是因为对于所有意图和目的而言，
00:03:51它就是 Claude Code 的地图，
00:03:52这样它就能更快地回答问题。
00:03:54现在，你可能在这一点上有一些疑问。
00:03:56第一，如果没有代码结构怎么办？
00:03:58如果我指向的是一个装满 Markdown 文件的仓库怎么办？
00:04:01它就像是一堆文档，
00:04:02我想为它们创建一个知识图谱，
00:04:03但我不想进行完整的 RAG。
00:04:05我能做到吗？
00:04:05可以。
00:04:06事实上，你甚至可以通过 Graphify
00:04:08将其变成一个 Obsidian 库。
00:04:09我们会在最后讨论一下这个问题。
00:04:11你可能有的第二个问题是，
00:04:13是的，这看起来确实超级类似于
00:04:15像 GraphRAG 这样的东西。
00:04:17它们到底有什么区别，
00:04:18以及我什么时候应该使用其中一个或另一个？
00:04:21嗯，Graphify 与
00:04:23像 LightRAG、RAGanything 或微软 GraphRAG
00:04:25这样的 GraphRAG 系统之间最大的区别，
00:04:28其实在于嵌入，对吧？
00:04:29Graphify 根本不使用任何嵌入系统。
00:04:33第二个最大的区别是使用场景。
00:04:35所以 Graphify 是最好的，我们从它那里获得最大收益，
00:04:37是在讨论代码库时。
00:04:39但如果我们看到某种巨大的仓库，
00:04:40无论是一个新的仓库，还是我们一直在使用的，
00:04:42并且我们想要弄清楚它是如何连接的，
00:04:44Graphify 对此来说是完美的。
00:04:46另一方面，GraphRAG
00:04:48非常适合处理更非结构化的内容。
00:04:50假设你有成千上万的文档，
00:04:52它们全是 PDF 文件或 Markdown 文件，
00:04:55而你只想询问它们。
00:04:57你知道，想象它们全是政策文件，
00:04:58你在问类似这样的问题：
00:04:59政策关于 X 是怎么说的，对吧？
00:05:01它可能在这些文档中的任何地方。
00:05:04它们不一定连接在一起。
00:05:05它们非常非结构化。
00:05:06这就是 GraphRAG 或者任何 RAG 系统发挥作用的地方。
00:05:09话虽如此，这两者在这里的界限
00:05:13有点模糊，
00:05:14因为就像我提到的那个第三阶段，
00:05:16我们可以用 Graphify 做类似的事情。
00:05:18从某种意义上说，它几乎就像是一个轻量级的 RAG 系统。
00:05:21所以，这就是 Graphify，
00:05:22它是如何工作的，以及你为什么要关心它。
00:05:24现在让我们谈谈实际安装这个东西
00:05:27并真正使用它。
00:05:27但在我们开始演示之前，
00:05:29先简短地介绍一下今天的赞助商，我本人。
00:05:32不久前，
00:05:33我发布了 Claude Code 大师班，
00:05:35它是让你从零基础成为 AI 开发者的第一选择，
00:05:37无论你的技术背景如何。
00:05:39这门课程每周更新，
00:05:40并且还包括其他大师班，
00:05:43例如 Codex 大师班
00:05:45和 Cloud OS 大师班。
00:05:48所以，如果你想更认真地对待这一点，
00:05:49一定要去看看。
00:05:51你可以在 Chase AI+ 内部找到它。
00:05:52置顶评论中有一个链接。
00:05:53所以，安装 Graphify 相对简单。
00:05:55我们有一些前提条件，
00:05:58以及关于如何安装它的说明。
00:05:59如果你正在使用 Claude Code，
00:06:02如果你正在使用 Cloud Code，
00:06:03我建议你用最简单的方法。
00:06:06直接前往 Graphify 的 GitHub 链接。
00:06:08我会把它放在下方。
00:06:09复制它，粘贴到 Cloud Code 中，
00:06:11嘿，帮我安装 Graphify。
00:06:12但如果你想手动完成，
00:06:14你可以按照步骤操作，
00:06:15就像它们列出的那样。
00:06:16同样，Graphify 是平台无关的，
00:06:18它适用于现有的任何编码代理。
00:06:20一旦你安装了 Graphify，
00:06:22接下来的问题就变成了，
00:06:23好的，我该如何使用它？
00:06:24有哪些命令？
00:06:25嗯，这里有相当多的命令，
00:06:27命令多得让你记不住。
00:06:30事实上，你根本记不住这些命令。
00:06:31幸运的是，当你安装 Graphify 时，
00:06:32它会自带一个 Graphify 技能。
00:06:33该技能将教 Claude Code
00:06:35如何使用 Graphify，
00:06:38这个技能将教会 Cloud Code
00:06:39它应该在何时使用哪些命令。
00:06:41话虽如此，
00:06:42我建议你看一看 GitHub 仓库，
00:06:45熟悉一下有哪些功能，
00:06:47所以我建议你看一下 GitHub 仓库，
00:06:49稍微熟悉一下
00:06:50你不必背下这些命令。
00:06:51Claude Code 明白该做什么。
00:06:52但是有一些我们应该知道的命令。
00:06:53如果我输入 /Graphify，
00:06:54Cloud Code 知道该怎么做。
00:06:56但有几个点
00:06:58我们需要了解一下。
00:06:59如果我输入斜杠 Graphify，
00:07:00它就会在当前目录下
00:07:02运行整个程序。
00:07:04还有一些 Graphify 命令
00:07:05用于查询知识图谱。
00:07:07所以如果我输入 Graphify query
00:07:09或是 Graphify explain，
00:07:10这就明确地告诉 Cloud Code
00:07:12或者是你正在使用的任何编码代理
00:07:13我们还有确保它始终开启的命令。
00:07:14所以如果我输入 Graphify Cloud install，
00:07:16在回答这个问题时参考它。
00:07:17别偷懒，
00:07:17只尝试自己去回答。
00:07:19此外，
00:07:19我们还有命令
00:07:20确保它始终开启。
00:07:21如果我执行 Graphify Cloud install，
00:07:23意味着它将始终
00:07:25使用 Graphify
00:07:26来回答问题。
00:07:27我不需要显式指定。
00:07:28它直接变成了一个钩子。
00:07:29还有一些其他
00:07:30有趣的标记
00:07:31比如 Obsidian 标记，
00:07:32它会，
00:07:33只需一个命令，
00:07:34为你创建一个完整的 Obsidian 库
00:07:35并填充
00:07:36Graphify 找到的
00:07:37所有内容。
00:07:39但再次强调，
00:07:40记住这个技能已经安装好了。
00:07:41所以如果你对
00:07:42什么才是合理的感到困惑，
00:07:43直接问 Cloud Code 就行。
00:07:44它会明白的。
00:07:45那么现在让我们实际运行一下。
00:07:47演示起见，
00:07:47我们将让
00:07:49Cloud Code 指向 OpenDesign，
00:07:51这是一个相当大的代码库。
00:07:53如果你从未用过 OpenDesign，
00:07:55它本质上就是 Cloud Design，
00:07:57只不过是开源的。
00:07:59所以我已经在我的机器上克隆了它，
00:08:00现在我要在那个目录下
00:08:02打开 Cloud Code。
00:08:03我们现在在这个目录下，
00:08:04我要做的只是
00:08:05输入 /Graphify
00:08:07然后加个点。
00:08:08它现在要在
00:08:10整个文件夹上运行 Graphify。
00:08:12运行六分钟后，
00:08:13这就是结果。
00:08:15它分析了 203 个文件。
00:08:17得到了 1,907 个节点，
00:08:203,447 条边，分成了 109 个社区，
00:08:24输出的 tokens
00:08:25略低于 120K。
00:08:27它列出了“上帝节点”。
00:08:29上帝节点几乎就是
00:08:30就像是最显著的节点，
00:08:32最显著的连接
00:08:33存在于它所遍历的任何内容中。
00:08:36我们有令人惊讶的连接，
00:08:37我没预料到，
00:08:39还有建议的问题。
00:08:42如果我们想看一下
00:08:42这个图，
00:08:43我可以输入，
00:08:44直接把
00:08:47这个图调出来给我。
00:08:49这是
00:08:50它构建的知识图谱，
00:08:51你可以
00:08:52看到其中的社区。
00:08:53它创建了 109 个社区，
00:08:54这实际上就是
00:08:56所有这些聚类。
00:08:56当我们放大它们时，
00:08:58可以看到节点，
00:09:00也就是实际的点，
00:09:01然后边
00:09:03就是它们之间的连接。
00:09:05当我点击节点时，
00:09:06你可以看到那边
00:09:07在右上角，
00:09:08它的类型，
00:09:10这是个代码节点，
00:09:11它所属的社区，
00:09:12它的来源，
00:09:13以及它的邻居。
00:09:14但记住，
00:09:15尽管这个可视化很酷，
00:09:16看起来确实很棒，
00:09:17但真正的价值
00:09:19并非知识图谱本身。
00:09:20这看起来很酷，
00:09:21但真正的价值
00:09:23在于
00:09:24现在我们已经交给
00:09:25Claude Code 一份
00:09:26OpenDesign 仓库的地图，
00:09:27现在我可以问它问题，
00:09:29并得到准确的回复。
00:09:31我们要测试的是，
00:09:31问它一个
00:09:33关于仓库的问题，
00:09:34并让它
00:09:35使用 Graphify，
00:09:36也就是让它真正
00:09:37使用知识图谱，
00:09:38然后我们再
00:09:39问几乎同样的问题，
00:09:40但不使用 Graphify，
00:09:41然后我们会提出
00:09:42几乎相同的问题
00:09:43但不使用 Graphify
00:09:44token 差异
00:09:45会有多大。
00:09:46为了看看
00:09:47使用和不使用 Graphify 的
00:09:48token 差异，
00:09:49我们要向
00:09:49Cloud Code 询问
00:09:50同样关于该仓库的问题。
00:09:51第一个问题是
00:09:52追踪设计请求
00:09:53向 Claude Code 提问
00:09:54流向编码代理
00:09:55再返回。
00:09:56所以我们试图理解
00:09:58这个应用
00:09:59是如何工作的，
00:10:00在第一个标签页
00:10:00我们要说
00:10:01使用 Graphify，
00:10:03在第二个标签页
00:10:03针对相同问题，
00:10:04我们说
00:10:05不要使用 Graphify。
00:10:06所以我们可以看到
00:10:07Graphify 技能
00:10:08被立即加载，
00:10:09然后我们看到
00:10:10像 graphify query
00:10:11这样的命令，
00:10:11询问我们刚刚给
00:10:13Claude Code 的问题。
00:10:14在这边
00:10:15不使用 Graphify 的一侧，
00:10:16我们看到 Claude Code
00:10:17已经生成了
00:10:18探索代理
00:10:19在非 Graphify 那边
00:10:20我们可以看到 Claude Code
00:10:21已经启动了
00:10:22去探索代理
00:10:23来查看一下
00:10:25查看代码库
00:10:25而且刚一开始
00:10:27我们就已经用了
00:10:2710 万个 token
00:10:28它们都识别出
00:10:29这个应用
00:10:30是如何工作的，
00:10:30但是
00:10:31在不使用 Graphify 的版本中，
00:10:32我们需要运行
00:10:32那些探索代理，
00:10:34所以我们大概
00:10:35花费了
00:10:36150,000 个 tokens
00:10:37左右，
00:10:38是用在探索代理上，
00:10:39再加上额外
00:10:4050,000 个 tokens
00:10:4015万个token
00:10:42左右
00:10:43使用探索智能体
00:10:44再加上额外
00:10:455万个标记
00:10:46用于主会话
00:10:47所以大概
00:10:48总共20万个标记
00:10:50所以大约是
00:10:50非 Graphify 版本
00:10:52总成本的 40%，
00:10:54这节省了相当多。
00:10:55现在，既然
00:10:58这个非 Graphify 版本
00:10:58已经算是
00:11:00爬取过
00:11:01整个仓库了，
00:11:02如果我问额外的问题，
00:11:03token 成本
00:11:04就不会那么夸张了，
00:11:06不过，
00:11:07因为我们已经
00:11:08构建好了知识图谱，
00:11:09每当我们想
00:11:11通过 Graphify
00:11:12问关于它的问题时，
00:11:13我们就不用
00:11:14再面对那种
00:11:14一遍又一遍
00:11:16遍历带来的
00:11:16token 成本了。
00:11:17每当我们想
00:11:18对其提问
00:11:18时
00:11:19通过 Graphify
00:11:20我们就不会
00:11:21就不必再
00:11:21为此承担
00:11:22那些代币成本
00:11:22即反复
00:11:23遍历它的开销
00:11:24这其实
00:11:25涉及到了
00:11:26所谓的记忆功能
00:11:26因为我们已经
00:11:27建立好了
00:11:28随时可以
00:11:28以低成本进行查询
00:11:29那么问题就来了
00:11:30如果这是一个
00:11:31不断演进的
00:11:31代码库
00:11:32当我们
00:11:33更新
00:11:34代码库时会怎样
00:11:35这个知识图谱
00:11:35也会随之更新吗
00:11:36答案是
00:11:37肯定的
00:11:38我们在工作流
00:11:39说明中已经看到了
00:11:40在 README 文件里
00:11:40只要运行
00:11:41graphify hook install
00:11:42它就会
00:11:43自动重建
00:11:44每次提交后
00:11:45而且这仅针对
00:11:45AST（抽象语法树）
00:11:46没有 API
00:11:47费用产生
00:11:48在其中
00:11:48这实际上
00:11:49只是在查看
00:11:50实际发生了什么
00:11:51变化
00:11:51现在关联到了
00:11:52什么地方
00:11:53并重建
00:11:53那棵树
00:11:54但这对于你来说
00:11:54是没有成本的
00:11:55因为这一切
00:11:56都是以
00:11:56一种确定的方式
00:11:57完成的
00:11:58此外
00:11:59这也适用于
00:12:00团队
00:12:00协作
00:12:01所以如果有
00:12:01两个开发人员
00:12:02同时在
00:12:02同一个代码库上
00:12:03并行工作
00:12:04它也能处理
00:12:04也能处理这种情况
00:12:05所以最终
00:12:06你得到的是
00:12:07一个持久且
00:12:08鲜活的映射
00:12:09针对你想要的
00:12:09任何仓库
00:12:10你可以把它交给
00:12:10Claude Code
00:12:11这样你就能得到
00:12:12更高效的
00:12:13答案
00:12:14最后
00:12:14我们刚才提到了
00:12:15一点点
00:12:16关于 Obsidian 的标记
00:12:17我们可以在不基于
00:12:18代码的情况下
00:12:19即非基于代码的
00:12:19那有点
00:12:20不同，我们
00:12:21实际上将在
00:12:22下一期视频中做这件事
00:12:23我们会深入研究
00:12:23Graphify 和 Obsidian
00:12:25以及它们之间
00:12:26连接起来的样子
00:12:27但请明白
00:12:28我们并没有局限于
00:12:29只能处理代码
00:12:30这是一个非常
00:12:31灵活的工具
00:12:32但今天我就先
00:12:33分享到这里
00:12:33给大家
00:12:34我觉得这是一个
00:12:35非常酷的工具
00:12:36当你审视
00:12:37这些领域时
00:12:37即那些
00:12:39应用程序和插件的
00:12:40范畴时
00:12:42我们可以配合
00:12:43像 Claude Code
00:12:43和 Codex
00:12:44这样的工具使用
00:12:44我认为 Graphify
00:12:45处于
00:12:46Obsidian
00:12:47和
00:12:48真正的 RAG 系统之间的位置
00:12:49我认为这很好
00:12:50我们拥有的选择越多
00:12:52我们可用的工具就越多
00:12:53我们就能更好地
00:12:53为工作选择合适的工具
00:12:54我们不必
00:12:55只使用 Obsidian
00:12:56只使用 Obsidian
00:12:57你知道，我们未必
00:12:58Markdown 相关的事情
00:12:59我们也不必
00:12:59大费周章地
00:13:00去构建一些
00:13:02庞大的 RAG
00:13:03基础设施
00:13:04这再次证明了
00:13:04这是一个很酷的
00:13:05中间地带
00:13:05我认为
00:13:06非常值得一试
00:13:06所以一如既往
00:13:08让我知道
00:13:08你的想法
00:13:09一定要去看看
00:13:10Chase AI Plus
00:13:11如果你想上手
00:13:11体验一下
00:13:12Cloud Code 大师班
00:13:13说到 Obsidian
00:13:14我实际上打算
00:13:15下周举办一场
00:13:16关于 Obsidian
00:13:17和 Cloud Code 的
00:13:18免费在线网络研讨会
00:13:19我会把链接
00:13:19也放在下方
00:13:21除此之外
00:13:22我们下次再见
Community Posts
No posts yet. Be the first to write about this video!
Write about this video