Transcript
00:00:00これは、コードベースに命を吹き込む最も画期的な方法かもしれません。
00:00:04実際のプロジェクトでClaude CodeやCursorを使っているなら、難関はコードを書くことだと思うでしょう。
00:00:09ですが、違います。本当の難関は、自分のリポジトリを理解することなのです。
00:00:13質問を1つするたびに、AIは何が起きているかを把握するためだけにトークンを消費し続けます。
00:00:18動作は遅く、コストもかさみ、結局は中途半端な理解で終わることもしばしばです。
00:00:22もし毎回プロジェクト全体を送る代わりに、AIにその「地図」を渡せるとしたらどうでしょう？
00:00:27まさにそれを実現するのがGrafiであり、トークン使用量を70%以上削減できます。
00:00:32その仕組みを詳しく説明しましょう。
00:00:34現在、AIにとってのあなたのプロジェクトは、ただのファイルの集まりに過ぎません。
00:00:44そこには実質的な繋がりも、構造も、記憶もありません。
00:00:48そのため、質問のたびにゼロからすべてを学び直さなければならないのです。
00:00:53回答が「惜しいけれど、どこか違う」と感じるのはそのためです。
00:00:56これはまさに、カーパシー氏が指摘した「生のフォルダ問題」そのものです。
00:01:01その直後に登場したのがGrafiです。これは、いわば「記憶レイヤー」です。
00:01:06こうしたコーディングツールやヒントがお好きなら、ぜひチャンネル登録をお願いします。
00:01:09常に新しい動画を公開しています。
00:01:11さて、ここにある小さなリポジトリを見てみましょう。コード、ドキュメント、図解があります。
00:01:16通常なら、これらすべてを毎回AIに説明しなければなりません。
00:01:20代わりにコマンドを1つ、ここでGrafiを実行します。少し待つと……見てください。
00:01:27ClaudeがGrafiを実行した後は、単なるファイル群ではなく、実際の「グラフ」になります。
00:01:33すべてが繋がっています。クリックして何が起きているか、
00:01:38生成されたHTMLファイル内で何がリンクされているかを詳細に分析できます。
00:01:42AIにすべてを読み直させる代わりに、「APIレイヤーに繋がっているものは何か」と聞くことができます。
00:01:50するとAIは、この実行で生成されたMDファイルを用い、関係性に基づいて回答します。
00:01:56推測ではなく、明確な関係性です。そして、驚くべき結果が出ました。
00:02:00実行前は約14,000トークン、かなりの量を消費していましたが、
00:02:04一度実行した後は、わずか数百トークンまで激減しました。
00:02:09同じ質問でもコストが劇的に変わります。すべてはこの生成された地図のおかげです。
00:02:14では、具体的に何をしているのでしょうか？ GrafiはコードベースのGoogleマップのようなものです。
00:02:20生のテキストの代わりに、ノードと接続が得られます。
00:02:24内部ではTree-sitterで構造を理解し、LLMでその意味を抽出しています。
00:02:30それらをクラスター化します。対象はコードだけではありません。
00:02:35PDF、図解、さらには音声や動画も読み込みます。すべてローカル処理で、外部には漏れません。
00:02:41これにより得られるものはシンプルです。視覚的なグラフ、レポート、
00:02:46そして実際に探索可能なナレッジベースです。
00:02:49繋がりが可視化されるこのグラフは、多くの人にとって非常に強力な武器になります。
00:02:54ここから、AIコーディングの常識が変わります。
00:02:57多くのツールはRAGを使用しており、単に似たテキストの断片を探すだけです。
00:03:03しかしGrafiは違います。本物の関係性を構築するのです。
00:03:07「この関数がこれを呼び出す」「このモジュールがこれに依存する」といった関係です。
00:03:11「このアイデアはこの文書から来ている」といった情報に加え、その確信度まで示してくれます。
00:03:16「関連がありそう」ではなく、「実際に繋がっている」という情報が、
00:03:21実際の視覚的な表現として得られるのです。
00:03:24最大の利点は、MDファイルを生成するため「記憶」が残ることです。
00:03:30毎回ゼロから始める必要はありません。
00:03:33変更点のみを更新するため、AIがついに「定着したコンテキスト」を持つことになります。
00:03:38ここまでの機能は、非常に素晴らしいと感じました。
00:03:42では、現時点でのメリットとデメリットは何でしょうか？
00:03:44まずメリットは、効率が積み重なることです。
00:03:47質問するたびに安上がりになります。また、コードや資料、
00:03:51図解を繋げることで、存在すら知らなかった関係性が見えてきます。
00:03:56複雑なプロジェクトに投入された際のオンボーディングには最適です。
00:04:00では、デメリットについても触れておきましょう。
00:04:03初回実行は、特にドキュメントが多い場合に時間がかかり、トークン費用も発生します。
00:04:082回目以降はキャッシュされますが、初回の負荷は避けられません。
00:04:12また、まだ初期段階のツールであるため、長期的なサポートなどは未知数です。
00:04:17インストール時は「Grafyy」と、yが2つ重なる点に注意してください。
00:04:20綴りを確認しましょう。関係性は常に完璧とは限りませんが、
00:04:23「抽出」「推論」「曖昧」と明確にラベル付けされるため、
00:04:28何を信頼すべきかがわかります。リポジトリが非常に小さい場合は、
00:04:32少しオーバースペックかもしれません。では、導入する価値はあるでしょうか？
00:04:35実用的な開発にAIを使っているなら、試す価値は十分にあります。
00:04:38最大の課題はコードを動かすことではなく、
00:04:42ファイル、時間、文脈を超えて全体を理解することだからです。
00:04:46Grafiはまさにそれを解決します。トークン節約だけでも試す価値がありますが、
00:04:51真の利点は、AIが「推測」をやめ、「論理的な思考」を始めることです。
00:04:56個人開発やリサーチ、大規模システムの管理において、これは強力なアップグレードになります。
00:05:01単発の短いスクリプトを書くだけなら不要かもしれませんが、
00:05:04そうでないなら、ほとんどの開発者にとって素晴らしいツールになるはずです。
00:05:07ワークフローを加速させるコーディングツールやヒントに興味がある方は、
00:05:10ぜひBetter Stackチャンネルの登録をお願いします。
00:05:14また別の動画でお会いしましょう。