Этот недостающий слой памяти изменит разработку на ИИ (Graphify)

Русскийالعربية Deutsch English Español Français हिन्दी Bahasa Indonesia 日本語 한국어 Português 中文

컴퓨터/소프트웨어창업/스타트업AI/미래기술

Transcript

00:00:00Это может быть один из самых безумных способов оживить вашу кодовую базу.

00:00:04Если вы используете Claude Code или Cursor в реальном проекте, вам кажется, что самое сложное — писать код.

00:00:09На самом деле нет. Самое сложное — это просто понять собственный репозиторий.

00:00:13Вы задаете один вопрос, и ваш ИИ сжигает токены только на то, чтобы разобраться, что к чему.

00:00:18Это медленно, дорого, и в половине случаев результат все равно сырой.

00:00:22А что если вместо того, чтобы каждый раз отправлять весь проект, вы дадите ИИ его карту?

00:00:27Именно это делает Grafi, и это может сократить использование токенов более чем на 70%.

00:00:32Позвольте мне показать, как все это работает.

00:00:34Сейчас ваш ИИ видит ваш проект вот так. Просто куча файлов.

00:00:44Нет реальных связей. Нет структуры. Нет памяти.

00:00:48Поэтому каждый раз, когда вы задаете вопрос, ему приходится изучать все с нуля.

00:00:53Вот почему ответы кажутся близкими к истине, но не совсем точными.

00:00:56И да, это именно то, на что указывал Карпати, говоря о проблеме «сырых папок».

00:01:01Grafi появился сразу после этого. Это скорее слой памяти.

00:01:06Если вам нравятся подобные инструменты и советы по кодингу, обязательно подпишитесь.

00:01:09У нас постоянно выходят новые видео.

00:01:11Итак, позвольте показать. У меня здесь небольшой репозиторий. Схема документации кода.

00:01:16Обычно мне приходилось бы каждый раз объяснять все это ИИ.

00:01:20Вместо этого я запускаю одну команду, Grafi, прямо здесь. Секунду. Теперь посмотрите на это.

00:01:27После того как Claude выполнит Grafi, это уже не просто файлы. Это настоящий граф.

00:01:33Все взаимосвязано. Я могу кликнуть и детально разобрать, что именно происходит

00:01:38и что с чем связано прямо здесь, в сгенерированном HTML-файле.

00:01:42Затем, вместо того чтобы просить ИИ перечитывать все заново, я могу спросить, что подключается к слою API.

00:01:50И теперь он отвечает, используя связи из MD-файла, созданного при этом вызове.

00:01:56Это не догадки, это взаимосвязи. И вот что меня удивило.

00:02:00До этого использовалось около 14 000 токенов, ну, или сколько там выходило.

00:02:04После этого, после первого выполнения, мы снижаем это число до пары сотен.

00:02:09Тот же вопрос, совершенно другая стоимость. И все благодаря этой сгенерированной карте.

00:02:14Так что же это на самом деле? Grafi — это по сути Google Maps для вашей кодовой базы.

00:02:20Вместо сырого текста вы получаете узлы и соединения.

00:02:24В основе лежат tree-sitters для понимания структуры, а затем LLM для извлечения смысла.

00:02:30Затем он может группировать все в кластеры, и это не только код.

00:02:35Он читает PDF, диаграммы, даже аудио и видео. Все локально, ничего не покидает машину.

00:02:41Результат прост: мы получаем визуальный граф, письменный отчет

00:02:46и базу знаний, которую мы действительно можем исследовать.

00:02:49Этот визуальный граф очень важен для многих из нас, так как мы видим, как все связано.

00:02:54А вот здесь это меняет привычный процесс кодинга с ИИ.

00:02:57Большинство инструментов используют RAG, что по сути означает поиск похожих фрагментов текста.

00:03:03Grafi же этого не делает. Он выстраивает реальные взаимосвязи.

00:03:07Эта функция вызывает ту. Этот модуль зависит от этого.

00:03:11Эта идея пришла из этого документа, и он даже сообщает уровень своей уверенности.

00:03:16Так что вместо «это выглядит похожим» мы получаем «это действительно связано»

00:03:21в виде реального визуального представления всех соединений.

00:03:24И самая большая разница здесь — он еще и помнит, так как создал для нас тот MD-файл,

00:03:30к которому может обращаться. Мы не начинаем с нуля каждый раз.

00:03:33Он обновляет только то, что изменилось, так что у вашего ИИ наконец-то появляется постоянный контекст.

00:03:38Хорошо, на самом деле я подумал, что все это довольно круто.

00:03:42Но какие здесь есть плюсы и минусы на данный момент?

00:03:44Первым делом — накопительный эффект эффективности.

00:03:47Каждый следующий вопрос обходится дешевле. А так как он связывает код,

00:03:51документацию и схемы, вы начинаете находить связи, о которых даже не подозревали.

00:03:56Это огромный плюс для онбординга в запутанные проекты, в которые нас закидывают.

00:04:00Это отлично. Теперь о недостатках.

00:04:03Первый запуск может быть медленным и затратным по токенам, особенно с большим количеством документов.

00:04:08После этого данные кэшируются. Но да, первый удар по ресурсам ощутим.

00:04:12Проект также находится на ранней стадии, поэтому долгосрочная поддержка — вещь пока неопределенная.

00:04:17Когда будете устанавливать, пишется «grafyy» с двумя «y» на конце.

00:04:20Так что проверьте написание. Связи не всегда идеальны,

00:04:23но он четко их маркирует: «извлечено», «сделан вывод», «двусмысленно»,

00:04:28чтобы вы знали, чему на самом деле можно доверять. И если ваш репо крошечный,

00:04:32то это будет своего рода излишеством. Стоит ли оно того?

00:04:35Ну, в общем-то, да, если вы используете ИИ в серьезной работе, это круто.

00:04:38Я решил, что стоит. Потому что ваша главная проблема — не запуск кода,

00:04:42а его понимание сквозь файлы, время и контекст.

00:04:46И это именно то, что исправляет данный инструмент. Экономия токенов уже повод попробовать,

00:04:51но главная победа в другом: ваш ИИ перестает гадать и начинает рассуждать.

00:04:56Если вы работаете в одиночку, проводите исследования или имеете дело с большими системами, это серьезный апгрейд.

00:05:01Если же вы просто пишете небольшие скрипты, это, вероятно, перебор,

00:05:04и пробовать это нет особой нужды. Но для большинства разработчиков,

00:05:07это станет потрясающим подспорьем. Если вам нравятся инструменты для кодинга и советы,

00:05:10ускоряющие рабочий процесс, обязательно подпишитесь на канал Better Stack.

00:05:14Увидимся в следующем видео.

Key Takeaway

Использование Graphify превращает разрозненные файлы репозитория в структурированный граф знаний, что снижает затраты на токены на 70% и заменяет вероятностный поиск RAG на точное понимание архитектурных связей.

Highlights

Инструмент Graphify сокращает потребление токенов ИИ более чем на 70% при работе с кодовыми базами.
Технология заменяет стандартный поиск RAG на построение графа реальных взаимосвязей между модулями и документацией.
Система анализирует не только программный код, но и PDF-файлы, диаграммы, аудио и видеоматериалы.
Первый запуск требует обработки около 14 000 токенов, после чего последующие запросы обходятся всего в пару сотен токенов.
Все вычисления и данные остаются на локальной машине пользователя, обеспечивая приватность кода.
Graphify маркирует каждое соединение по уровням достоверности: «извлечено», «сделан вывод» или «двусмысленно».

Timeline

Проблема контекстного окна и стоимости токенов

Традиционные ИИ-инструменты вроде Cursor воспринимают проект как набор не связанных между собой файлов.
Повторное изучение структуры репозитория при каждом вопросе приводит к избыточным финансовым затратам и медленным ответам.
Отсутствие постоянной памяти заставляет модель тратить ресурсы на понимание архитектуры с нуля.

Основная сложность разработки с ИИ заключается в понимании структуры кода, а не в самом написании строк. Без карты проекта ИИ сжигает тысячи токенов на базовую ориентацию в файловой системе. Это подтверждает тезис о неэффективности работы с «сырыми папками», где отсутствуют явные логические связи между компонентами.

Механика работы Graphify и визуализация связей

Инструмент использует tree-sitters для технического разбора структуры и LLM для интерпретации смыслов.
Результатом работы является интерактивный HTML-граф и Markdown-файл с описанием связей.
Стоимость выполнения аналогичного запроса падает с 14 000 до нескольких сотен токенов после индексации.

После запуска одной команды проект превращается в визуальный граф узлов и соединений. Пользователь может кликать на элементы в HTML-отчете, чтобы увидеть, как слой API связан с конкретными функциями. ИИ начинает использовать созданный MD-файл как внешнюю карту, что исключает необходимость перечитывать весь проект целиком.

Отличия от RAG и глубокая интеграция данных

Graphify выстраивает детерминированные зависимости вместо поиска семантически похожих фрагментов текста.
Система отслеживает иерархию вызовов функций и зависимости между модулями.
Обновление контекста происходит инкрементально, затрагивая только измененные части кода.

В отличие от систем RAG, которые ищут сходство текста, этот слой памяти фиксирует реальную архитектуру. Он понимает, из какого документа пришла конкретная идея и какой модуль зависит от другого. Каждое соединение сопровождается меткой уверенности, что позволяет разработчику оценить надежность выводов ИИ.

Анализ эффективности и ограничения инструмента

Главное преимущество заключается в ускорении онбординга новых разработчиков в сложные проекты.
Первичная индексация является ресурсоемким и медленным процессом.
Для небольших скриптов и микро-проектов использование графа является избыточным.

Накопительный эффект экономии проявляется при длительной работе над проектом, так как данные кэшируются. Несмотря на возможные неточности в связях на ранних стадиях разработки инструмента, он решает проблему понимания контекста сквозь время и файлы. Инструмент под названием «grafyy» (с двумя 'y' на конце) наиболее полезен для исследователей и разработчиков крупных систем.

Community Posts

Write about this video