AI Was Made For Lovin' You
Открыть в Telegram
ИИ был создан, чтобы любить тебя, детка
БольшеСтрана не указанаКатегория не указана
801
Подписчики
Нет данных24 часа
+87 дней
+1630 день
Количество постов
Загрузка данных...
Реакции
Комментарии
Telegram Stars
ТОП постов по
Загрузка данных...
Анализ публикаций
Посты | Динамика просмотров | |||||
 +1Graphify + ИИ = ❤️
После предыдущей статьи коллега посоветовал попробовать Graphify - opensource-инструмент, который строит граф знаний из кодовой базы и ускоряет работу агента с кодом. Поставил в два репозитория, о чём спешу с вами поделиться.
🤖 Что это?
Graphify читает все файлы проекта, парсит их через AST (детерминированно, без LLM), находит связи между функциями, классами, импортами и складывает в граф. Каждое ребро помечается статусом EXTRACTED (найдено в коде), INFERRED (домыслено) или AMBIGUOUS.
Граф делится на "сообщества" - кластеры связанных нод, которые алгоритм выделяет автоматически. Если представить граф как карту города, то сообщество - это район. В одном районе оказываются файлы и функции, которые тесно связаны по коду. Например, все краулеры и их базовый класс - одно сообщество, а модули аутентификации - другое. На скриншоте графа одного из наших проектов таких районов 463.
После сборки граф можно спрашивать на естественном языке:
graphify query "что связывает сканеры угроз с индикаторами?"
graphify path "MfaMethod" "BaseScanner"
graphify explain "processing_core.py"
Ответ - подграф из десятков нод, который влезает в контекст, вместо того чтобы читать сотни файлов.
🤖 Использование
1. Запустил команды:
uv tool install graphifyy
graphify install --platform codex
2. Graphify спросил куда ставить, я выбрал глобальную установку, оно прописалось в ~/.codex/skills
3. В агенте (Codex CLI) выбрал скилл graphify и инициализировал для текущего проекта:
$graphify .
4. Graphify собрал графы - в первый раз это было достаточно долго (несколько минут)
5. Теперь каждый вопрос по кодовой базе триггерит запрос к graphify
Установленный с помощью graphify hook install хук перестраивает граф после каждого изменения агентом.
🤖 Результаты
Замерил время обычного поиска по сравнению с graphify на реальном примере - поиск по коду одного из проектов.
grep -rl "PasteCrawler" по всей кодовой базе:
- 11.4 секунды
- выдал 25 файлов, включая .venv
graphify query "PasteCrawler":
- 1.1 секунды
- 274 ноды, разложенные по сообществам и файлам
grep -rli "pastebin":
- 15.9 секунды
- 24 файла, из них 9 - кусочки из .venv
graphify query "pastebin scanners":
- 1.4 секунды
- 381 нода, с файлами, связями и контекстом
Разница в скорости - примерно 10–15x в пользу графа.
🤖 Выводы
Graphify делает код более обозримым для модели. В нашем случае это даёт прирост x10 в скорости навигации по коду и экономит токены, исключая из контекста мусор и нерелевантную информацию. Экономию в токенах graphify заявил в x36, но я не перепроверял. Субъективно расход токенов действительно сильно уменьшился.
Описанный в предыдущей статье memory bank выполняет несколько иную задачу - создаёт историю предыдущей работы с агентами над кодом, что позволяет ссылаться на неё в последующих изменениях и задачах - "сделай так же, как я делал с X, но теперь для Y". Таким образом, кажется, что memory bank и graphify идеально дополняют друг друга.
🤖 Ссылки
Репозиторий - https://github.com/Graphify-Labs/graphify
Документация: https://graphify.com (там же live-демо графа) | 160 | 15 | 0 | 8 | Loading... |
