AI 圈的節奏已經快到讓人產生幻覺了。

Karpathy 分享的個人知識庫爆火出圈，48 小時就有人拿著完全體送貨上門。

Graphify，一款零配置、全模態、本地跑、還特能省 token 的知識圖譜工具，GitHub 開源狂攬 2k+ Star。

不僅能自動構建可導航知識圖譜、自帶反向鏈接和關系溯源，更實現71.5 倍 token 消耗節省，直接把卡神的 /raw 筆記法進化到了完全體。

萬物皆可圖譜化

卡神那套爆火的知識庫，核心是一套不用復雜向量數據庫的輕量化工作流。

靠 raw/ 目錄存論文、代碼、截圖等原始資料，再通過 LLM 自動生成帶交叉引用的 Wiki 文檔，配合定期體檢維護，慢慢搭建起一個能持續生長、越用越好用的知識體系。

思路確實是好，但實際落地也有很多待優化的地方。

比如，raw 文件夾需要手動整理歸類，新資料添加得全程跟進配合；

反復讀取原始文件會帶來較高的 token 消耗，連卡帕西都說：大部分 token 已經不跑代碼了；

而且整套方法目前還停留在手動工作流階段，沒有專門工具封裝，需要用戶一步步引導 AI 執行，操作步驟相對繁瑣。

這不，有痛點就有解決辦法，卡神知識庫上線 48 小時后，開源社區就交出了完全體答卷。

Graphify 對這套工作流做了全方位的工具化升級。

首先是全模態自動圖譜化，從源頭省去了手動整理的麻煩。

Graphify 內置了統一的多模態處理管線，能對不同類型的文件實現針對性的自動化解析。

對代碼文件通過 tree-sitter 做本地 AST 解析直接提取結構信息；對 PDF、Markdown 等文檔自動拆分文本與語義單元；對截圖、流程圖、白板照片等視覺內容則調用 Claude Vision 完成概念提取與關系識別。

這些都無需人工預處理、無需分類、無需篩選，丟進文件夾即可統一入譜。

相比之下，卡神的 raw 文件夾仍需要用戶手動規整資料、手動觸發處理，Graphify 則從文件掃描到圖譜生成全程自動化，真正實現了萬物皆可圖譜化

在此基礎上，它還依靠本地 AST 解析與并行 LLM 子代理語義提取的雙階段流程，實現了71.5 倍 Token 消耗優化。

第一階段對代碼文件做確定性 AST 提取，全程在本地完成，不調用 LLM、不產生任何 Token 消耗；

第二階段僅對文檔、論文、圖片等非代碼內容，通過并行 LLM 子代理做一次語義抽取，同時搭配 SHA256 緩存機制，重復運行時只處理變更過的文件，從根本上避免了重復計算與無效開銷，把 Token 真正用在推理上。

在包含卡帕西的倉庫文件、5 篇論文、4 張圖片共 52 個文件的混合語料場景下，使用 Graphify 后每次查詢的 Token 消耗，相比直接讀取原始文件降低了 71.5 倍。

更友好的是，它全程無需向量數據庫、無需嵌入計算、也不用復雜配置，做到了開箱即用。

它的聚類基于圖拓撲完成，依靠 Leiden 社區發現算法按邊密度劃分社區，無需依賴 embeddings，自然也省去了向量數據庫的部署與維護成本。

只需要在目標文件夾執行 /graphify . 這一條命令，指向任意文件夾就能一鍵生成完整知識圖譜，附帶交互式 HTML、分析報告與可持久化數據文件，極大降低了上手門檻。

同時，Graphify 還為每一條內容關聯都加上了清晰的類型標注，區分原文提取、模型推斷與歧義關系，并附帶置信度，讓知識來源透明可查、結果更可信。

全平臺適配

說完了優點，說說怎么安裝。

首先，Graphify 實現了全平臺適配，Claude Code、Codex、OpenClaw ……都能無縫接入使用。

僅需 Python 3.10 及以上環境，一行命令即可完成全部部署（PyPI 包當前暫時叫 graphifyy）：

pip install graphifyy && graphify install

如果你是在龍蝦平臺，可通過以下命令安裝：

graphify install — platform claw

Codex 用戶：想用上 Graphify 說的并行 LLM 子代理提取，必須先在配置文件 ~/.codex/config.toml 的 [ features ] 里打開 multi_agent = true，不然跑不起來并行模式。

OpenClaw 用戶：這個平臺對多代理并行的支持還很初級，沒完善，所以只能用順序挨個提取，沒法并行，速度和效率會差一些。

安裝完成后，進入你想要圖譜化的目錄，用 /graphify . 命令一鍵生成即可。

執行完命令，當前目錄里就會出現 graph.html 文件，在瀏覽器中打開就能看到可交互的知識圖譜。

它還支持— watch 文件監聽模式 ，代碼文件改動后會立即觸發 AST 重新解析，實時更新圖譜；文檔、圖片變更則會主動提醒用戶執行增量更新。

同時還能安裝 Git 鉤子，在代碼 commit 提交、分支切換后自動重建圖譜，無需額外開啟后臺進程。

配合 /graphify — update 增量更新命令，新資料加入時無需重建整個圖譜，只更新相關節點和關聯，讓知識庫真正實現隨資料新增持續生長、越用越完善。

Graphify 的作者 Safi Shamsi 現為倫敦 Valent 公司的一名 AI 研究員。

One More Thing

其實卡神的知識庫出來之后，很多人都開始跟風復刻，還有人做了一款基于個人文件的 " 活維基 " 工具。

AI 圈現在以小時為單位的迭代玩法，只能說瘋狂，太瘋狂。

項目地址：https://github.com/safishamsi/graphify/blob/v3/README.zh-CN.md

參考鏈接：https://x.com/socialwithaayan/status/2041192946369007924

一鍵三連「點贊」「轉發」「小心心」

歡迎在評論區留下你的想法！

— 完 —

點亮星標

科技前沿進展每日見