628个token替代13659个：这个开源工具把代码库变成图谱

一个查询只花628个token，直接读同一个文件要13659个token。差距接近20倍，这就是graphify在真实仓库上跑出来的数字。

这个项目本周在技术圈刷屏：GitHub星标突破126k，进入Y Combinator，还上了Vercel Marketplace。它的用法很直接——在Claude Code、Codex或Cursor里输入/graphify，智能体就不再逐个读文件，而是去查一张代码图谱。

"省token"这种说法容易讲、难验证。有人在一台普通Linux机器上装了它，指向一个真实仓库，不用云试用、不用API密钥，把过程完整跑了一遍。

它到底是什么

graphify是一个开源（Apache-2.0）的Python命令行工具，外加一个智能体技能。它用tree-sitter解析项目，往graphify-out/目录写三个文件：

• graph.html，浏览器里打开的交互式力导向图
• GRAPH_REPORT.md，包含"god节点"、社区和意外连接的摘要
• graph.json，智能体通过explain、path、query三个命令查询的完整图谱

代码抽取是确定性的、本地完成的。只有处理文档、PDF、图片、视频，或者给社区命名时才会调用大模型，而且需要你自己配置后端。

建图：2秒，0 token

测试环境是Debian 13加Python 3。注意PyPI包名里有两个y：graphifyy，装到的版本是0.9.92。测试仓库选了httpx——一个知名的Python HTTP客户端，约17750行Python代码，外加文档和更新日志。规模足够有意思，又小到能大致判断答案对不对。

纯代码建图不需要助手，命令行直接跑graphify update .即可。首次构建耗时2.1秒，产出2233个节点、4453条边、166个社区。改动一个文件后做增量重建，只重新解析那一个文件，耗时1.6秒。报告页脚自己写着：Token成本0输入、0输出。

输出文件不算小：graph.json有1.7MB，graph.html有1.9MB，GRAPH_REPORT.md有24KB。Markdown文档也被当作结构拉了进来，所以CHANGELOG.md和docs/api.md都成了节点。

报告里哪些是对的

"god节点"列表对新贡献者来说是一份不错的首页导读：Response以170条边居首，Request 111条，Changelog 79条，Client 69条，AsyncClient 51条，BaseClient 45条。这确实是httpx的核心结构。

边的来源也标得很清楚：88%是EXTRACTED（直接从源码读出），12%是INFERRED（推断），平均置信度0.91。每条边都带这个标签，能让人知道哪些该信。

"意外连接"这一栏用处不大。每一条都是更新日志或文档标题连到Client，事实没错，但谈不上意外。

省下的token从哪来

这才是智能体实际执行的部分。所有输出都用tiktoken的cl100k编码统计过。对Client执行explain，结果是628个token，列出了69条连接，带文件名和行号，比如指向HTTPTransport的uses关系，标注为INFERRED，位置在httpx/_client.py第731行。而直接读_client.py本身要13659个token。

path命令返回一条三跳链路，一行就够：Client经_auth.py包含DigestAuth。query命令花了1728个token，跑了一次广度优先搜索，命中536个节点但只展示82个，并打印了明确的TRUNCATED警告，提示把预算提到14720才能看全。

所以对于"X在哪、谁碰了它"这类问题，查图谱确实比倒整个文件便宜约20倍。但它替代不了读代码——一旦智能体要改函数，图谱只能把你指到正确的行，行里的内容它并不包含。

两个粗糙的地方

一是重名。执行explain "Client"会被拒绝，因为Client同时匹配httpx/_client.py里的类和docs/api.md里的一个标题。报错会提示改用path::symbol形式，这样能work，但文档和代码一起建索引，常见名字撞车会很频繁。

二是用小模型给社区打标签。没有API密钥时，166个社区直接用代表性文件或符号命名，比如test_content.py、AsyncByteStream。graphify可以借助大模型重命名，Ollama也行，但需要先装openai包——第一次运行时它会提示你。在测试机上用1.7B模型跑CPU，跑了超过11分钟没结束，只能手动终止。代码图谱本身完全不需要这一步，想要好看的标签，就得给它一个像样的模型或API密钥。

值不值得装

针对代码场景，值得。免费、本地、快，explain和path能在智能体开始翻文件之前给它一张便宜的地图。把graphify update .挂进git钩子，让智能体优先查图谱，是个合理的用法。

没有测试的部分包括：付费助手里面的/graphify技能、对PDF和图片的语义处理，以及托管版Graphify Cloud宣称的"节省80% token"。628对13659这组数字，只是一个仓库上的一次查询，不是对整个智能体会话的基准测试。