Graphify liest ein Projekt und baut daraus einen Wissensgraphen: jede Klasse, jede Funktion und jede Datei, und wie sie über Imports, Aufrufe und Vererbung zusammenhängen. Dein KI-Coding-Tool kann dem Graphen dann eine Frage stellen und bekommt eine kleine, gezielte Antwort, statt Datei für Datei zu öffnen.
Es ist Open Source unter der Apache-2.0-Lizenz und in Python geschrieben. Es funktioniert mit Claude Code, Cursor, Codex, Gemini CLI, GitHub Copilot und mehr als 20 weiteren Assistenten. Am 20. Oktober 2026 hatte das Repository etwa 129.000 Sterne auf GitHub, und die neueste Version war 0.9.92 vom 16. Oktober 2026.
Was es baut
Lass es einmal über einen Ordner laufen, und es schreibt drei Dateien in einen Ordner namens graphify-out:
- graph.html ist ein Bild des Graphen, das du in jedem Browser öffnen kannst. Du kannst darin klicken, filtern und suchen.
- GRAPH_REPORT.md ist ein kurzer Bericht: die am stärksten verbundenen Teile des Codes, die Gruppen, in die der Code zerfällt, und Fragen, die sich lohnen.
- graph.json ist der Graph selbst. Diese Datei fragt der Agent.
Jede Verbindung im Graphen ist markiert. EXTRACTED heißt, sie steht im Code, zum Beispiel ein Import. INFERRED heißt, Graphify hat sie erschlossen. So siehst du, was gelesen und was vermutet wurde.
Was auf deinem Computer bleibt
Code wird mit tree-sitter gelesen, einem Parser, der auf deinem Computer läuft. In diesem Schritt gibt es kein KI-Modell, nichts wird irgendwohin geschickt, und du brauchst keinen API-Schlüssel. Er kennt etwa 40 Programmiersprachen.
Bei Dokumenten, PDFs und Bildern ist es anders. Um sie in den Graphen aufzunehmen, schickt Graphify sie an das KI-Modell, das dein Assistent nutzt, und das kostet Tokens. Wenn du nur den Code willst: Der Update-Befehl weiter unten liest nur Code-Dateien.
Dasselbe Team verkauft auch Graphify Cloud, eine gehostete Version mit kostenloser Testphase. Das Open-Source-Tool auf GitHub braucht sie nicht.
Wie der Agent es nutzt
Du kannst den Graphen auch selbst im Terminal fragen:
graphify query "how is a signature checked?"
graphify path "UserService" "DatabasePool"
graphify explain "RateLimiter"Der erste Befehl liefert den Teil des Graphen, der zu einer Frage passt, standardmäßig auf etwa 2.000 Tokens begrenzt. Der zweite zeigt, wie zwei Dinge zusammenhängen. Der dritte listet alles auf, was mit einer Sache verbunden ist, mit Datei und Zeile für jede Verbindung.
Damit Claude Code den Graphen von selbst nutzt, führe das in deinem Projekt aus:
graphify claude installEs ergänzt einen Abschnitt in CLAUDE.md und einen Hook in .claude/settings.json. Bevor Claude Code sucht oder Quelldateien öffnet, erinnert der Hook es daran, zuerst den Graphen zu fragen. Cursor, Codex und andere Tools bekommen denselben Hinweis über ihre eigenen Regeldateien.
Die Karte aktuell halten
graphify update .
graphify hook install
graphify watch .Der erste Befehl liest den Code erneut und ändert nur, was sich geändert hat. Er nutzt kein KI-Modell. Der zweite fügt Git-Hooks hinzu, die den Graphen nach jedem Commit, Checkout und Merge neu bauen. Nach einem git pull führst du den Update-Befehl selbst aus. Der dritte beobachtet einen Ordner und baut neu, während du arbeitest.
Zu den Token-Zahlen
Du wirst Aussagen wie 71,5-mal oder 79-mal weniger Tokens sehen. Hier steht, woher sie kommen.
71,5-mal ist das eigene Beispiel des Projekts. Bei einer Mischung aus 52 Dateien, drei kleinen GPT-Code-Projekten, fünf Papers und vier Bildern brauchte eine Frage an den Graphen 71,5-mal weniger Tokens als das Lesen aller Dateien. Dieselbe Seite zeigt 5,4-mal bei einem Projekt mit 4 Dateien und etwa 1-mal bei 6 Dateien. Das Projekt sagt es klar: Die Ersparnis wächst mit der Größe des Projekts.
79-mal stammt von einem Nutzer, der es auf einer großen Codebasis mit etwa 496.000 Tokens laufen ließ. Je nach Frage lag das Ergebnis zwischen etwa 48- und etwa 714-mal. Es ist der Bericht eines Nutzers, kein Test des Projekts.
Beide Zahlen vergleichen eine Frage an den Graphen mit dem Lesen aller Dateien, und beide lassen die Kosten für den Aufbau des Graphen weg. Die Website des Projekts zitiert außerdem 71,5-mal „pro Sitzung“ aus dem Setup eines Nutzers mit Obsidian. Obsidian ist nur ein zusätzlicher Ort, um den Graphen als Notizen zu exportieren. Die Ersparnis kommt nicht daher.
Ein Testlauf mit itsdangerous, einer kleinen Python-Bibliothek, baute den reinen Code-Graphen in etwa einer Sekunde, ohne API-Schlüssel: 244 Punkte und 567 Verbindungen. Der eingebaute Benchmark meldete 5,7-mal weniger Tokens pro Frage. Bei einem kleinen Projekt ist das die ehrliche Zahl. Bei einem großen kann es viel mehr sein.
So installierst du es
Du brauchst Python 3.10 oder neuer und uv. Der Paketname auf PyPI endet mit zwei y. Andere Pakete mit ähnlichen Namen stammen nicht von diesem Projekt.
uv tool install graphifyy
graphify installDer zweite Befehl fügt Claude Code den Graphify-Skill hinzu. Für ein anderes Tool wählst du es beim Namen, zum Beispiel graphify install --platform codex oder graphify cursor install. Dann gib das in deinem Assistenten ein:
/graphify .In Codex beginnt der Befehl mit einem Dollarzeichen statt mit einem Schrägstrich.