本文介绍了开源工具 Graphify，它在 Karpathy 个人知识库思路基础上实现了全模态自动图谱化，通过本地 AST 解析和缓存机制将 Token 消耗降低 71.5 倍，且无需向量数据库。
📝 详细摘要
文章详细报道了受 Andrej Karpathy 启发而诞生的开源项目 Graphify。该工具针对 Karpathy 原始工作流中手动整理繁琐、Token 消耗高、缺乏工具封装等痛点进行了全方位升级。Graphify 支持全模态自动解析（涵盖代码、文档、图片），利用 tree-sitter 进行本地 AST 解析以节省 Token，并采用 Leiden 社区发现算法构建无需向量数据库的知识图谱。实测显示其 Token 消耗仅为原始方法的 1/71.5。此外，它支持文件监听和 Git 钩子，实现了知识库的自动化增量更新，为个人知识管理提供了一个开箱即用的「完全体」方案。
💡 主要观点
- 全模态自动化处理，消除手动整理负担。 通过内置多模态管线，自动解析代码结构、文档语义及图片概念，无需人工预处理即可统一入谱，实现万物皆可图谱化。
💬 文章金句
- Graphify，一款零配置、全模态、本地跑、还特能省 token 的知识图谱工具。
- 实现了 71.5 倍 token 消耗节省，直接把卡神的/raw 笔记法进化到了完全体。
- 它的聚类基于图拓扑完成，依靠 Leiden 社区发现算法按边密度划分社区，无需依赖 embeddings。
- AI 圈现在以小时为单位的迭代玩法，只能说疯狂，太疯狂。
📊 文章信息
AI 评分：87
来源：量子位
作者：闻乐
分类：人工智能
语言：中文
阅读时间：9 分钟
字数：2161
标签： Graphify, 知识图谱, Karpathy, Token 优化, 个人知识库