На каком проходе Graphify впервые подключается языковая модель?

На третьем — при семантическом анализе документов, статей и картинок. Верно: код разбирается детерминированно (tree-sitter), медиа транскрибируется faster-whisper, а LLM включается только на третьем проходе для документов и картинок.

Чем первый проход (структура кода) принципиально отличается от третьего?

Первый детерминированный, локальный и без LLM; третий зовёт модель для смыслового анализа. Точно: tree-sitter извлекает реальные связи кода локально и бесплатно, а на третьем проходе модель решает, что значит документ и куда он встаёт.

Какие два главных отличия Graphify от Graph RAG называет автор?

Graphify не использует эмбеддинги и заточен под структурированный код, а не под горы несвязанных документов. Да: отсутствие эмбеддингов и фокус на коде против несвязанных документов — это два ключевых различия. Граница при этом размыта из-за «rag-light» третьего прохода.

Что такое god-узлы в графе Graphify?

Самые заметные, несущие узлы и связи внутри обойдённого репозитория. Верно: god-узлы — это наиболее значимые, центральные узлы и связи. А кластеры похожих узлов — это сообщества (communities).

Какую экономию токенов показало демо на самом деле?

Около 40% стоимости варианта без Graphify (~80K против ~200K токенов). Да: автор отрезает хайповый «70×» и показывает реальные ~80K против ~200K токенов, то есть примерно 40% стоимости.

Почему граф остаётся актуальным в живом репозитории?

`graphify hook install` пересобирает граф после каждого коммита по AST — детерминированно и без затрат на API. Верно: хук пересобирает граф по AST после коммита — без API-затрат, детерминированно и даже при параллельной работе команды.

Для какой задачи Graphify подходит хуже, чем классический RAG?

Ответить на вопрос по десяткам тысяч несвязанных PDF (например, регламентов). Точно: горы несвязанных документов с вопросами «что написано про X» — это территория RAG/Graph RAG, а не Graphify.

Разборы · Статья: 15 июня 2026 г. · Видео: 5 июня 2026 г. · 13 мин

Как Graphify устроен внутри: три прохода, граф знаний и чем он отличается от RAG

Name: This Open Source Repo Just Solved Claude Code's #1 Problem
Uploaded: 2026-06-05T00:00:00.000Z
Description: Разбор внутренней механики Graphify: три прохода построения графа (tree-sitter без LLM, faster-whisper для медиа, LLM-анализ документов), узлы/рёбра/сообщества и честное сравнение с Graph RAG — где у каждого своя ниша.

Разбор внутренней механики Graphify: три прохода построения графа (tree-sitter без LLM, faster-whisper для медиа, LLM-анализ документов), узлы/рёбра/сообщества и честное сравнение с Graph RAG — где у каждого своя ниша.

ИИ Программирование

Смотреть на YouTube

This Open Source Repo Just Solved Claude Code's #1 Problem

Chase AI · 13 мин

Коротко

Graphify строит граф знаний по репозиторию в три прохода: код разбирается детерминированно через tree-sitter без LLM и бесплатно, медиа транскрибируется faster-whisper, а документы и картинки анализирует языковая модель. Главное отличие от Graph RAG — нет эмбеддингов и фокус на структурированном коде, а не на горах несвязанных документов.

Объясни проще

Суть без жаргона

Простыми словами

Graphify заранее рисует «карту» репозитория: что с чем связано и почему. Сначала он детерминированно (без ИИ и бесплатно) разбирает структуру кода парсером tree-sitter, потом при наличии аудио/видео расшифровывает их в текст, и только документы и картинки отдаёт языковой модели на смысловой анализ. По этой готовой карте агент отвечает на вопросы о коде точнее и заметно дешевле, чем когда он каждый раз ищет ответ перебором файлов.

Как ребёнку

Представь огромную библиотеку без указателей. Обычный помощник каждый раз бегает между полками и ищет нужную книгу — это долго. Graphify заранее составляет карту: какая книга с какой связана и почему. Большую часть карты он рисует по чётким правилам сам и бесплатно, а спрашивает «умного библиотекаря» только про картинки и непонятные документы.

Оценка видео

Чем выше — тем больше пользы на минуту

4.4

средняя из 5

Актуальность информации 5.0

Тема живая: память и стоимость токенов у coding-агентов — главная боль 2026 года, а Graphify активно развивается (около 60 000 звёзд на GitHub).

Содержательность 4.5

Ролик честно вскрывает внутреннюю механику трёх проходов и приводит реальные цифры демо, а не только маркетинг.

Инновационность идей 4.0

Сам граф знаний по коду — не новинка, но связка «детерминированный AST + rag-light третий проход + живой граф по хукам» собрана аккуратно.

Достоверность цифр 4.0

Автор сам отрезает хайповый «70×» и показывает реальные ~40% стоимости на своём демо — это повышает доверие.

Инсайты

Нажми, чтобы раскрыть — то, что меняет взгляд на тему

01 Большая часть графа строится вообще без ИИ

Интуитивно кажется, что «граф знаний по коду» — это обязательно работа большой модели. На деле первый проход целиком детерминированный: tree-sitter разбирает классы, функции, импорты, call-граф и комментарии локально, без единого вызова LLM и бесплатно. Языковая модель подключается только на третьем проходе — для документов, статей и картинок.

02 Главная ценность — не красивая визуализация, а карта для агента

Граф выглядит эффектно, но смысл не в картинке. Реальная польза в том, что агент получает заранее проложенные связи «A → B → C и почему», вместо того чтобы каждый раз искать ответ перебором файлов (по сути Ctrl+F по репозиторию). Карта дешевле и точнее перебора.

03 Экономия реальна, но не «70×»

Заявления про 70-кратную экономию автор честно называет завышенными. На его демо запрос без Graphify стоил около 200K токенов (агенты-исследователи плюс основная сессия), а с Graphify — около 80K, то есть примерно 40% стоимости. Это всё ещё существенно, но это про реалистичные ~2.5×, а не про маркетинговый множитель.

04 Граница между Graphify и RAG намеренно размыта

Третий проход с семантическим анализом документов делает Graphify «rag-light». Поэтому это не строгая дихотомия «или код, или RAG»: Graphify живёт в середине спектра между Obsidian и настоящей RAG-инфраструктурой, и выбор инструмента — это вопрос задачи, а не идеологии.

05 Граф живёт вместе с репозиторием

Через `graphify hook install` граф автоматически пересобирается после каждого коммита — только по AST, детерминированно и без затрат на API. Это снимает классическую проблему «индекс устарел через неделю» и работает даже при параллельной работе нескольких разработчиков.

Полезные советы

Что можно применить уже сегодня. Разверни совет — сколько займёт, что даст и что конкретно делать

Ставь Graphify через сам агент

Не разбирай инструкцию руками: скопируй ссылку на GitHub-репозиторий Graphify, вставь в Claude Code (или другой агент) и попроси «установи мне Graphify». Инструмент платформонезависим и работает с любым coding-агентом.

Не заучивай команды — положись на скилл

Вместе с Graphify ставится skill, который учит агента, какую команду применять под твою формулировку на естественном языке. Команд много, запоминать их не нужно: просто опиши задачу словами, агент сам выберет нужную.

Запусти первый граф одной командой

Зайди агентом в корень репозитория и выполни `/graphify .` — он пройдёт по всей папке и построит граф. На демо 203 файла дали 1 907 узлов, 3 447 рёбер и 109 сообществ примерно за 6 минут и ~120K выходных токенов на сборку.

Заставляй агента смотреть в граф явно

Если нужен ответ именно по карте, используй `graphify query` или `graphify explain` — это прямо говорит агенту свериться с графом, а не лениво отвечать из головы или перебором файлов.

Включи always-on, если работаешь с репозиторием постоянно

`graphify claude install` вешает хук, и агент начинает использовать граф по умолчанию, без явной команды в каждом запросе. Удобно, когда вопросы по одному и тому же коду идут потоком.

Поставь живой граф на большой проект

`graphify hook install` пересобирает граф после каждого коммита только по AST — детерминированно и без затрат на API. Для активного репозитория это держит карту актуальной без ручного переиндексирования.

Не натягивай Graphify на горы несвязанных документов

Если у тебя десятки тысяч несвязанных PDF (например, политики и регламенты) и вопрос «что написано про X» — это работа для RAG/Graph RAG, а не для Graphify. Graphify раскрывается на структурированном коде, где важно «как репозиторий устроен».

Сценарии применения

Как разные люди применяют это на практике

Я как backend-разработчик в legacy-проекте

Проблема: агент жжёт токены, перебирая файлы, и всё равно теряется в незнакомом большом репозитории

Хочу: быстро понять, как запрос проходит от веб-приложения до сервиса и обратно

Поможет: разбор показывает, что граф даёт агенту готовую карту связей и срезает стоимость такого вопроса примерно до 40% от перебора

Я как тимлид с параллельной командой

Проблема: любой индекс кода устаревает через пару дней активной работы нескольких человек

Хочу: карту репозитория, которая обновляется сама и переживает параллельные коммиты

Поможет: статья объясняет хук `graphify hook install`: пересборка по AST после каждого коммита, детерминированно, без API-затрат и с поддержкой командного режима

Я как специалист по RAG-системам

Проблема: путается, где Graphify, а где привычный Graph RAG, и не понимает границу

Хочу: чёткий критерий выбора инструмента под задачу

Поможет: разбор даёт два различия: нет эмбеддингов и фокус на структурированном коде против гор несвязанных документов; плюс честную оговорку про «rag-light» третий проход

Я как техлид, считающий бюджет на LLM

Проблема: обещания «экономия в 70 раз» звучат красиво, но не выдерживают проверки

Хочу: реалистичную оценку выгоды, а не маркетинговый множитель

Поможет: статья приводит честные цифры демо: ~200K токенов без Graphify против ~80K с ним, то есть около 40% стоимости

Я как дата-инженер на ноутбуке без бюджета на API

Проблема: нужно проиндексировать структуру проекта, но платить за каждый прогон LLM не хочется

Хочу: понять, что в Graphify бесплатно, а что тратит токены

Поможет: разбор разделяет проходы: код через tree-sitter — локально и бесплатно, и только документы/картинки на третьем проходе зовут модель

Я как технический писатель в репозитории с PDF и картинками

Проблема: документация и схемы лежат рядом с кодом, но никак не связаны с ним в поиске

Хочу: чтобы агент учитывал и код, и сопроводительные материалы

Поможет: статья объясняет третий проход: документы, статьи и изображения проходят семантический анализ моделью и вшиваются в общий граф

Логика повествования

Как устроена аргументация видео — пройди по шагам

Предпосылка Аргумент Пример Вывод

Предпосылка Проблема: агент ищет ответ перебором файлов

Обычно coding-агент работает как Ctrl+F по репозиторию: грепает файлы, тратит токены и всё равно может упустить связь. Нужна заранее проложенная карта связей.
Аргумент Проход 1 — структура кода (tree-sitter, без LLM, бесплатно)

Парсер tree-sitter детерминированно извлекает классы, функции, импорты, call-граф и инлайн-комментарии. Это не угадывание моделью, а реальные связи из самого кода. Работает локально и без затрат.
Аргумент Проход 2 — аудио и видео (faster-whisper)

Если в проекте есть медиафайлы, они транскрибируются faster-whisper в текст и тоже вшиваются в граф. Подключается только при наличии таких файлов.
Аргумент Проход 3 — документы, статьи, картинки (LLM, rag-light)

Здесь подключается языковая модель: она делает семантический анализ — что значит документ и куда он встаёт в графе. Этот проход без настоящих эмбеддингов похож на то, что делает RAG, поэтому Graphify называют «rag-light».
Пример Сборка графа: узлы, рёбра, сообщества, god-узлы

Узлы — это концепты, рёбра — связи между ними, сообщества — кластеры похожих узлов. God-узлы — самые заметные, несущие узлы и связи. На демо: 203 файла → 1 907 узлов, 3 447 рёбер, 109 сообществ, ~120K токенов на сборку.
Пример Запрос по карте против перебора (A/B)

Один и тот же вопрос: без Graphify агент породил explore-агентов и потратил ~200K токенов (≈150K в агентах + ~50K в основной сессии); с Graphify — ~80K, то есть около 40% стоимости. Ответы при этом совпали.
Аргумент Живой граф через хук коммита

`graphify hook install` пересобирает граф после каждого коммита только по AST — детерминированно, без API-затрат и с поддержкой параллельной работы команды. Карта остаётся актуальной сама.
Вывод Вывод: средний слой между Obsidian и полноценным RAG

Graphify не заменяет RAG и не сводится к markdown-заметкам. Это гибкий средний слой: бесплатная детерминированная карта кода плюс лёгкий смысловой анализ документов. Выбор инструмента — по задаче.

Подробный разбор

Полный разбор — разверни, если нужно глубже

Развернуть подробный разбор

Этот разбор — про внутреннюю кухню Graphify, а не про «вау, красивый граф». Если соседние статьи отвечают на вопросы «зачем это нужно» и «как это выглядит», то здесь мы вскрываем механику: как именно репозиторий превращается в карту связей и почему это дёшево.

Три прохода: что бесплатно, а что зовёт модель

Ключ к пониманию Graphify — что он строит граф не одним махом, а в три отдельных прохода. Первый проход разбирает структуру кода парсером tree-sitter: классы, функции, импорты, call-граф и инлайн-комментарии. Это детерминированно — не угадывание моделью, а реальные связи из самого кода, — выполняется локально и бесплатно. Второй проход подключается только если в проекте есть аудио или видео: их транскрибирует faster-whisper и тоже вшивает в граф. И лишь третий проход — документы, статьи, картинки — зовёт языковую модель для смыслового анализа: что значит документ и куда он встаёт в общей карте. Именно этот третий проход без настоящих эмбеддингов делает Graphify «rag-light».

Из чего собран граф

На выходе — узлы (концепты), рёбра (связи) и сообщества (кластеры похожих узлов). Отдельно Graphify выделяет god-узлы — самые заметные, несущие узлы и связи. На демо репозиторий Open Design из 203 файлов превратился в 1 907 узлов, 3 447 рёбер и 109 сообществ примерно за 6 минут и ~120K выходных токенов на сборку. Но автор подчёркивает: ценность не в эффектной визуализации, а в том, что агент получает готовую карту вместо перебора файлов.

Graphify против RAG и честные цифры

Два главных отличия от Graph RAG (LightRAG, RAG-Anything, Microsoft GraphRAG): Graphify не использует эмбеддинги и заточен под структурированный код, тогда как RAG силён на горах несвязанных документов вроде тысяч регламентов. Граница размыта из-за «rag-light» третьего прохода. Что до экономии — автор честно отрезает хайповый «70×»: на его A/B-тесте запрос без Graphify стоил ~200K токенов (агенты-исследователи плюс основная сессия), а с Graphify — ~80K, то есть около 40% стоимости. А через graphify hook install граф остаётся живым: пересобирается после каждого коммита только по AST, детерминированно, без затрат на API и даже при параллельной работе команды.

План внедрения

С чего начать — отмечай шаги, прогресс сохранится

Выполнено 0 из 6

Шаг 1. Установи Graphify через агента Скопируй ссылку на GitHub-репозиторий, вставь в Claude Code (или другой coding-агент) и попроси установить. Инструмент бесплатный, открытый и платформонезависимый.
Шаг 2. Построй первый граф на реальном репозитории Зайди агентом в корень проекта и выполни `/graphify .`. Дождись сборки и посмотри сводку: число узлов, рёбер, сообществ, god-узлы и предложенные вопросы.
Шаг 3. Сравни запрос с графом и без него Задай один и тот же вопрос дважды: с `graphify query` и без него. Сравни не ответы (они скорее совпадут), а потраченные токены — так увидишь реальную экономию на своём проекте.
Шаг 4. Реши, где нужен always-on, а где явный запрос Для постоянной работы повесь `graphify claude install` (хук always-on). Для разовых точных вопросов хватит явных `graphify query` / `graphify explain`.
Шаг 5. Включи живой граф на активном проекте Поставь `graphify hook install`, чтобы граф пересобирался после каждого коммита по AST — без затрат и с поддержкой командной работы. Так карта не устареет.
Шаг 6. Определи границу с RAG Для структурированного кода («как репозиторий устроен») держись Graphify. Для гор несвязанных документов и вопросов «что написано про X» бери RAG/Graph RAG. Не натягивай одно на задачу другого.

Проверь себя

Ответь на вопросы, чтобы материал закрепился

Отвечено: 0 / 7 Верно: 0

1. На каком проходе Graphify впервые подключается языковая модель?
2. Чем первый проход (структура кода) принципиально отличается от третьего?
3. Какие два главных отличия Graphify от Graph RAG называет автор?
4. Что такое god-узлы в графе Graphify?
5. Какую экономию токенов показало демо на самом деле?
6. Почему граф остаётся актуальным в живом репозитории?
7. Для какой задачи Graphify подходит хуже, чем классический RAG?

Словарь терминов

Понять незнакомое простым языком

Показать 10 терминов

tree-sitter: Быстрый парсер исходного кода, который строит синтаксическое дерево. Graphify использует его в первом проходе, чтобы детерминированно вытащить классы, функции, импорты, call-граф и комментарии локально и без участия ИИ.
AST (абстрактное синтаксическое дерево): Древовидное представление структуры кода. Живой граф Graphify пересобирается «только по AST» — то есть по реальным изменениям в структуре кода, без догадок модели и без затрат на API.
faster-whisper: Ускоренная реализация модели распознавания речи Whisper. Во втором проходе Graphify ею транскрибирует аудио и видео в текст, чтобы вшить их содержимое в граф.
эмбеддинги: Числовые векторы, кодирующие смысл текста для поиска по похожести. RAG-системы на них держатся, а Graphify их не использует вовсе — это одно из ключевых отличий от Graph RAG.
Graph RAG: Подход к поиску с дополнением (RAG), где знания представлены графом. Примеры — LightRAG, RAG-Anything, Microsoft GraphRAG. В отличие от Graphify, они опираются на эмбеддинги и сильны на больших объёмах несвязанных документов.
узел (node): Точка графа — отдельный концепт или элемент (например, функция или документ). В демо репозиторий из 203 файлов дал 1 907 узлов.
ребро (edge): Связь между двумя узлами графа — линия, показывающая, что элементы связаны. В демо вышло 3 447 рёбер.
сообщество (community): Кластер похожих по смыслу узлов. Сообщества группируют граф на крупные смысловые области; в демо их было 109.
god-узел (god node): Самый заметный, несущий узел или связь внутри графа — то, на чём держится структура обойдённого репозитория. Graphify выводит их списком после сборки.
хук (hook): Автоматический обработчик, срабатывающий на событие. `graphify hook install` вешает хук на коммит и пересобирает граф по AST; `graphify claude install` делает граф always-on для запросов агента.