Kerwin AI Information

標籤: 專案知識圖譜

  • Graphify：讓 AI 助手看懂整個專案

    Graphify：讓 AI 助手看懂整個專案

    📌 本文重點

    • Graphify 把整個專案轉成可查詢的知識圖譜
    • 讓 Claude Code、Cursor 等助手理解「整個系統」而非單檔
    • 特別適合接手專案、Code review、排錯與重構場景

    Graphify 就是替 Claude Code、Cursor 等 AI 編碼助手建立專案的知識底層，把程式碼、SQL、腳本、文件通通轉成可查詢的圖譜，讓 AI 回答不再只看單檔，而是理解整個系統。

    專案連結：Graphify-Labs/graphify（GitHub）

    核心功能：把「專案」變成可對話的地圖

    1. 把任何專案資料夾變成知識圖譜

    Graphify 支援：

    • 程式碼：Python、JavaScript 等一般 repo
    • 資料庫：SQL schema
    • 腳本：R、shell scripts
    • 文件：docs、論文
    • 多媒體：圖片、影片（以檔案與路徑資訊的形式收錄）

    實際可做的事：

    1. 選一個專案資料夾，例如 ~/projects/legacy-crm
    2. 讓 Graphify 掃描後生成知識圖譜
    3. 把「圖譜」接到你的 AI 助手，開始用自然語言查專案

    效果：你可以問 AI：

    • 「這個專案所有跟訂單狀態相關的函式和 SQL 表有哪些？」
    • 「從 API 收到請求到入庫，整個流程經過哪些檔案？」

    行動建議：先挑一個你覺得難接手的專案，當作 Graphify 的第一個練習對象。

    2. 一次整合：程式碼 + DB schema + 基礎設施

    Graphify 強調的是「整個系統放進同一張圖」：

    • App code：API、service、models
    • Database schema：tables、relations
    • Infrastructure：scripts、部署設定、CI/CD

    這意味著 AI 助手不只看到某個函式，而是可以沿著圖譜一路追：

    • 「這支 API 最後寫進哪個資料表？」
    • 「這張資料表在哪裡被讀取／更新？」
    • 「這個 Cron job 觸發哪些腳本，再改變哪些表？」

    💡 關鍵： 把代碼、資料庫與基礎設施放進同一張圖，才能讓 AI 追蹤完整的請求與資料流向。

    行動建議：如果你常在大型專案裡迷路，優先把 App code + DB schema 一起餵給 Graphify，請 AI 幫你畫出「從前端到資料庫」的完整路徑。

    3. 支援主流 AI 編碼助手與本地模型

    Graphify 自稱是「AI coding assistant skill」，專門替各種助手提供專案知識底層，目前支援：

    • Claude Code
    • Cursor
    • Codex / OpenCode
    • Gemini CLI
    • 以及其他可透過 CLI / API 串接的助手

    好處是：你不用換開發工具，只是多了一層「專案圖譜」，讓原本的 AI 助手變得更懂上下文。

    行動建議：先選一個你已經在用的助手（例如 Cursor），只做一件事：把 Graphify 生成的圖譜加進你的 Prompt 或工具設定，看 AI 回答專案問題的精準度差異。

    適合誰用：3 個具體場景

    1. 接手大型專案：用 Graphify 做「三小時系統導覽」

    接手舊專案最常遇到：

    • 文件缺失
    • 系統邏輯分散在各層
    • 找不到「這個功能到底怎麼跑」

    操作範例：

    1. 從 Git 拉下專案：

    bash
    git clone <your-legacy-repo>
    cd <your-legacy-repo>

    1. 用 Graphify 掃描整個 repo，生成圖譜（假設有 CLI 指令 graphify scan）：

    bash
    graphify scan . -o graph.json

    1. 在 Claude Code 或 Cursor 裡，附上 graph.json（或指向 Graphify server），向 AI 提問：
    2. 「列出與『會員等級計算』相關的所有檔案與流程，並畫文字流程圖。」
    3. 「說明訂單取消從 API 到資料庫寫入的完整路徑。」

    行動建議：把你接手的新專案都跑一次 Graphify，強制自己在第一天就用 AI 做一輪「系統導覽問答」。

    2. Code review：從「看單檔」變成「看整條影響路徑」

    傳統 Code review 很容易只盯著 diff，看不到改動在整個系統的影響。

    用 Graphify 的方式：

    1. 在 PR 對應的分支跑 graphify scan，生成該版本的圖譜。
    2. 在 AI 助手裡，輸入：
    3. 「這個 PR 修改的函式，影響到哪些上游呼叫點與下游資料表？」
    4. 「幫我列出這個改動所有可能破壞的流程。」

    AI 可以沿著圖譜追蹤呼叫鏈、資料流向，給你一份「改動影響報告」，你再決定要多測哪些地方。

    💡 關鍵： 利用圖譜讓 AI 做「改動影響分析」，可以系統性找出需要回歸測試的區域，而不是只憑經驗猜。

    行動建議：選一個你覺得風險高的 PR，讓 Graphify + AI 助手一起做一次「影響分析」，當作試驗。

    3. 排錯與系統重構：先畫圖，再動手

    排錯時最痛苦的是：

    • 找不到錯誤在哪條鏈路上爆
    • 重構時不敢動，怕牽一髮動全身

    Graphify 的知識圖譜可以幫你：

    • 快速列出某個錯誤堆疊涉及的所有節點（檔案、函式、表）
    • 在重構前問 AI：「我要拆分 user_service，請列出所有依賴它的模組與路徑。」

    實戰問句示例：

    • 「根據圖譜，payment_timeout_error 這個錯誤從觸發到記錄經過哪些模組？幫我列出路徑。」
    • 「如果我要把 orders 表拆成兩張表，請告訴我所有讀寫 orders 的程式碼位置。」

    行動建議：下一次遇到棘手 bug，不要先改碼，先用 Graphify + AI 把「錯誤路徑」問清楚，再決定從哪個節點下手。

    工具與助手比較：怎麼搭配使用？

    以下是 Graphify 與常見 AI 編碼助手的定位差異與搭配方式：

    名稱 核心功能 免費方案 適合誰
    Graphify 專案知識圖譜；整合代碼、DB、腳本等 開源，GitHub 可用 想讓 AI 助手「看懂整個專案」的人
    Claude Code 雲端 AI 編碼助手，強自然語言理解 有免費使用額度 想用對話方式改碼／理解代碼的人
    Cursor VS Code 風格編輯器 + AI 補全與聊天 有免費方案 想把 AI 深度融入 IDE 的工程師
    Gemini CLI Google Gemini 命令列助手 有免費配額 喜歡在終端機用 AI 的開發者

    行動建議：先選一個你主要的開發環境（例如 Cursor），再把 Graphify 當成「增強模組」接上去，而不是全部一起嘗試，降低學習成本。

    怎麼開始：從 GitHub 到「可用工作流」

    官方入口：https://github.com/Graphify-Labs/graphify

    以下示範兩個「從零到可用」的最短路徑，以你已有的開發工具為中心來設計。

    工作流 1：接手專案 + Claude Code 問答

    步驟一：安裝與掃描專案

    1. 安裝（假設使用 Python pip，依實際 README 為準）：

    bash
    pip install graphify

    1. 進入你的專案目錄，掃描並輸出圖譜：

    bash
    cd ~/projects/legacy-crm
    graphify scan . -o graph.json

    步驟二：把圖譜交給 Claude Code

    1. 在 Claude Code 裡開啟專案，將 graph.json 上傳或貼到系統提示（System Prompt），例如：

    「你可以使用以下專案知識圖譜回答問題。請依圖譜中的檔案關係、表結構與腳本依賴，協助我理解和修改系統。」

    1. 問第一組問題：

    2. 「請整理出『會員等級計算』相關的所有模塊與資料表。」

    3. 「依據圖譜，畫出從前端呼叫到 DB 的完整流程（文字版即可）。」

    做到這一步，你就完成了：接手專案 → 建立圖譜 → 用 AI 做系統導覽 的基本工作流。

    💡 關鍵： 把圖譜丟給 AI 之後，每一個新問題都在累積你對整個系統的結構化理解。

    工作流 2：Cursor 裡做 Code review 影響分析

    步驟一：在 PR 分支生成圖譜

    1. 切換到 PR 對應分支：

    bash
    git checkout feature/new-pricing

    1. 跑 Graphify：

    bash
    graphify scan . -o pr-graph.json

    步驟二：在 Cursor 裡使用圖譜

    1. 打開 Cursor，載入這個專案，並在 AI 設定中把 pr-graph.json 放進系統提示，說明：

    「這是目前分支的專案知識圖譜。做 Code review 時，請根據圖譜分析改動的上游呼叫和下游資料影響。」

    1. 在看 diff 的同時詢問 Cursor：

    2. 「這次修改的 calculate_discount 函式，上游有哪些呼叫者？下游有哪些寫入或查詢動作？」

    3. 「依據圖譜，列出最需要回歸測試的 5 個功能。」

    這樣你就有一套：看 diff → 問圖譜 → 寫測試計畫 的 Code review 工作流。

    行動建議：先把上述其中一個工作流完整跑一次，感受「AI 從看單檔」變成「看整個系統圖」的差異，再決定要不要把 Graphify變成團隊標準工具。

    小結：把 AI 助手升級成「系統顧問」

    Graphify 的本質，是幫你的 AI 助手補上一層「專案整體結構」：

    • 不再只依靠目前開啟的 1–2 個檔案
    • 而是能沿著代碼、資料庫、腳本和設定，追到整條路徑

    如果你已經在用 Claude Code、Cursor 這類助手，下一步值得做的事，就是讓它們不只會寫函式，而是真的看懂你的系統——Graphify 正好是那一層缺少的底座。

    🚀 你現在可以做的事

    • 到 Graphify GitHub 把專案 clone 下來並跑一次 graphify scan
    • 挑一個現有專案，把產生的圖譜接到你最常用的 AI 助手（如 Cursor 或 Claude Code）
    • 在下一次接手專案或處理高風險 PR 時，用 Graphify + AI 做一次完整的系統導覽或影響分析