← Alle Werkzeuge

Werkzeug · Kontext & Wissensgraph

Graphify

von Graphify Labs (Safi Shamsi)

Quelloffener (MIT) Agenten-Skill, der jeden Ordner – Code, SQL-Schemas, Doku, PDFs, Bilder – in einen abfragbaren Wissensgraphen verwandelt, den ein Coding-Agent als Navigationskarte nutzt. Für Claude Code, Codex, Cursor u. a.

Open SourceCLIPythonMCP

Einschätzung

Codebasis als Wissensgraph für den Agenten

Die naheliegende Wahl, wenn ein Agent eine große Codebasis oder Doku-Sammlung effizient überblicken soll, statt Rohdateien ins Kontextfenster zu ziehen – besonders im Verbund mit Obsidian als Gedächtnis. Tier-C-Werkzeug: die beworbenen Token-Ersparnisse vor dem Verlassen darauf im eigenen Projekt nachmessen.

Graphify ist ein offener Agenten-Skill (MIT-Lizenz, Python; eingerichtet per „pip install graphifyy && graphify install“), der einen Ordner analysiert und seine Konzepte samt Beziehungen als WissensgraphWissen als Graph aus Entitäten (Knoten) und Beziehungen (Kanten). Fürs Retrieval (GraphRAG) erlaubt das „globale“ Schließen über einen Korpus und verbindet verstreute Fakten, die reine Vektorsuche übersieht.Mehr im Wissen → herausarbeitet – die Grundidee des Kontext-EngineeringDie Disziplin, gezielt zu kuratieren, welche Tokens während der Inferenz im Kontextfenster stehen – statt möglichst viel hineinzukippen. Kontext ist eine endliche Ressource; Ziel ist „informativ, aber knapp“. Gilt als Fortsetzung des Prompt-Engineerings.Mehr im Wissen →: dem Agenten eine Karte statt des ganzen Gebiets geben. Aufgerufen wird er im Coding-Agenten über „/graphify .“; unterstützt werden u. a. Claude Code, Codex, OpenCode, Cursor und Gemini CLI.

Der erzeugte Graph lässt sich als interaktive HTML-Ansicht, als Obsidian-Vault, als Neo4j-/Cypher-Export oder über einen MCP-Server bereitstellen und so mit einem bestehenden „zweiten Gehirn“ verschmelzen. Das Projekt wirbt mit „71,5× weniger Tokens pro Abfrage“ gegenüber dem Einlesen der Rohdateien – eine Eigenangabe (Tier C), nicht unabhängig nachgemessen; die Richtung ist plausibel, die Zahl gehört vor dem Verlassen darauf selbst geprüft. Mit über 70 000 GitHub-Stars eines der sichtbarsten Werkzeuge dieser noch jungen Klasse.

Wofür es gut ist

  • Eine große Codebasis oder einen Doku-Korpus für einen Agenten navigierbar machen
  • Einen Wissensgraphen als Memory in Obsidian oder Neo4j spiegeln
  • Verstreute Konzept-Zusammenhänge sichtbar machen, die reine Vektorsuche übersieht

Stärken

  • Verwandelt beliebige Ordner (Code, Schemas, Doku, PDFs, Bilder) in einen abfragbaren Wissensgraphen
  • Offen (MIT) und gut integriert: Obsidian-Vault, Neo4j-/Cypher-Export, MCP-Server
  • Als Skill in mehrere Agenten eingebunden (Claude Code, Codex, Cursor, Gemini CLI)

Schwächen

  • Effizienz-Werbung („71,5× weniger Tokens“) ist eine unbelegte Eigenangabe – selbst nachmessen
  • Junges, schnelllebiges Community-Projekt – Reife und Stabilität in Bewegung
  • Nutzen hängt stark von sauberem Quellmaterial und der Pflege des Graphen ab

Im Vergleich

Wofür dieses Werkzeug die bessere Wahl ist – und wann ein direkter Konkurrent.

  • Wo klassisches RAG mit reiner Vektorsuche einzelne Textschnipsel zieht, liefert ein Wissensgraph dem Modell die Beziehungen dazwischen – dieselbe Idee wie Microsofts GraphRAG, hier als sofort einsetzbarer Agenten-Skill statt als Forschungs-Pipeline.Beleg · Primärquelle
  • Ergänzt eine handgepflegte AGENTS.md/CLAUDE.md, statt sie zu ersetzen: Die Kontextdatei gibt feste Projektregeln, Graphify eine durchsuchbare Karte des wachsenden Codes.

Direkt ausprobieren

github.com/safishamsi/graphify

Zur offiziellen Seite ↗

ℹ️ GitHub safishamsi/graphify: rund 70 100 Stars (Stand 2026-06-21), MIT, Python; Projektseite graphifylabs.ai. Star-Zahl/Claims im schnelllebigen Feld vor Zitat erneut prüfen. Über YouTube (Chase AI, C76) aufgekommen – Fakten an GitHub/Primärquelle geprüft, nicht am Video; der „71,5ד-Token-Claim ist eine Projekt-Eigenangabe (nicht unabhängig gebenchmarkt).

Verwandte Werkzeuge

Coding-AgentClaude CodeAgentisches Coding-Werkzeug von Anthropic – im Terminal, als Desktop-App, in der IDE und im Browser.Coding-AgentCodexOpenAIs agentisches Coding-Werkzeug – im Terminal, in der IDE, als Desktop-App und als Cloud-Agent, der Aufgaben eigenständig abarbeitet.Coding-AgentDevinAutonomer KI-Softwareentwickler von Cognition: plant Aufgaben, setzt sie in einer eigenen Umgebung um und liefert Pull-Requests.