Philipp
Niestroj
Independent
Software Architect
Alle Field NotesFIELD / 018

Graphify gibt Coding-Agenten eine Landkarte statt nur eine Suchleiste

Ein lokaler Knowledge Graph verbindet Symbole, Aufrufe und Architekturpfade — damit AI nicht nur Treffer findet, sondern Zusammenhänge verfolgen kann.

Meine These

Graphify verändert die Form des Kontexts: Aus lose gefundenen Textstellen wird ein persistentes Netz aus Entitäten, Beziehungen und Herkunftsnachweisen, das ein Coding-Agent gezielt durchlaufen kann.

01 / Kontext

Code-Suche liefert Fundstellen. Ein Graph liefert Wege.

Coding-Agenten können Dateien lesen und mit Textsuche passende Namen finden. Was ihnen dabei fehlt, ist eine dauerhafte Struktur zwischen den Treffern: Welche Klasse ruft welchen Service auf? Wo kreuzen sich zwei Module? Welches Symbol hängt an einer zentralen Abhängigkeit?

Graphify bildet ein Repository als Knowledge Graph ab. Funktionen, Klassen, Dateien, Kommentare und weitere Artefakte werden zu Knoten; Imports, Aufrufe, Vererbung und Referenzen zu Kanten. Danach kann ein Agent Konzepte erklären, Nachbarn untersuchen oder den kürzesten Pfad zwischen zwei Teilen des Systems verfolgen.

  • graph.html als interaktive Karte des Projekts
  • GRAPH_REPORT.md mit zentralen Knoten und auffälligen Verbindungen
  • graph.json als maschinenlesbare Grundlage für CLI und MCP

02 / Herkunft

Die wichtigste Funktion ist vielleicht nicht der Graph, sondern seine Belegbarkeit

Graphify markiert Beziehungen als EXTRACTED, INFERRED oder AMBIGUOUS. Explizite Kanten lassen sich bis zu Datei und Zeile zurückverfolgen; aufgelöste oder mehrdeutige Zusammenhänge werden nicht als gleich sichere Wahrheit präsentiert. Das schafft eine bessere Review-Oberfläche als eine Antwort, deren Kontext nur in einem unsichtbaren Retrieval-Schritt steckt.

Damit wird der Graph nicht automatisch korrekt. Parser können dynamische Aufrufe übersehen, Namensauflösung kann scheitern und eine vorhandene Kante erklärt noch nicht die Absicht hinter dem Code. Der Gewinn liegt in der prüfbaren Spur: Mensch und Agent können sehen, worauf eine Aussage beruht und wo Skepsis angebracht ist.

03 / Betrieb

Local-first ist hier Architektur, nicht nur ein Datenschutzlabel

Code wird laut Projekt mit tree-sitter lokal und ohne LLM in den Graphen überführt. Das Ergebnis bleibt als Datei auf dem eigenen Rechner und kann über die CLI oder einen selbst betriebenen MCP-Server abgefragt werden. Ein Team kann denselben Graphen teilen, ohne dafür zwingend einen gehosteten Indexdienst einzuführen.

Für Dokumente, Bilder oder Videos ist die Grenze differenzierter: Semantische Verarbeitung kann das Modell des Assistenten oder einen konfigurierten API-Anbieter verwenden. Local-first bedeutet deshalb nicht automatisch, dass jeder optionale Workflow offline bleibt. Entscheidend ist die konkrete Backend-Konfiguration.

04 / Einordnung

Eine Landkarte ersetzt nicht das Gelände

Bei großen oder unbekannten Repositories kann ein persistenter Graph den Startpunkt einer Untersuchung deutlich verbessern. Besonders Architekturfragen, Impact-Analysen und überlappende Pull Requests profitieren von Beziehungen, die nicht bei jedem Agentenlauf neu entdeckt werden müssen.

Für kleine Änderungen bleibt direkte Suche oft schneller und präziser. Außerdem muss ein Graph nach Änderungen aktualisiert werden und erzeugt ein weiteres Artefakt, dessen Qualität beobachtet werden sollte. Graphify ist daher am stärksten als zusätzlicher Orientierungs- und Prüfkanal — nicht als Verbot, den echten Code zu lesen.

Kurzfazit

Ein interessanter Kontextspeicher für Coding-Agenten

Graphify macht Architekturbeziehungen explizit, lokal abfragbar und bis zu ihrer Herkunft nachvollziehbar. Das ist ein sinnvoller Gegenentwurf zu Kontext, der in jeder Sitzung erneut über lose Suchtreffer zusammengesammelt wird.

Interessant für
Teams und Coding-Agenten, die sich regelmäßig durch große, gewachsene oder polyglotte Repositories bewegen.
Im Blick behalten
Der Graph ist ein abgeleitetes Modell des Codes. Dynamik, Aktualität und falsche Inferenz müssen weiterhin am Quelltext geprüft werden.
Quellen & Transparenz

Einordnung auf Basis der offiziellen Produktseite, Dokumentation und des öffentlichen MIT-Repositories; Hersteller-Benchmarks wurden nicht unabhängig überprüft.