Graphify: darle un mapa a los asistentes de programación con IA
Graphify convierte una base de código en un grafo de conocimiento consultable: local-first, sin que el código salga de la máquina, ejecuciones de agente más baratas.
Traducción generada automáticamente con IA. La versión alemana es el original revisado por la redacción.
Graphify convierte una base de código entera en un grafo de conocimiento consultable, localmente, de modo que un asistente de IA obtiene la estructura sin que el código llegue a salir de la máquina. Se ha convertido en una de las herramientas para desarrolladores de más rápido crecimiento del año: 58K+ estrellas en GitHub y 1,2M de descargas en PyPI desde la primavera.
01. Qué hace
Su origen muestra lo rápido que se mueve este espacio: se inspiró en una publicación de Andrej Karpathy del 1 de abril de 2026 sobre el uso de LLM para construir bases de conocimiento personales, y en 48 horas Safi Shamsi (YC S26) había publicado Graphify en GitHub.
Lo ejecutas sobre un proyecto y lee cada archivo localmente, analizando 33 lenguajes mediante tree-sitter con cero llamadas a API, de modo que tu código nunca sale de la máquina. Produce tres artefactos que todo un equipo puede consultar: una visualización HTML interactiva, un informe en markdown y un grafo JSON, y se conecta con alrededor de 20 asistentes de programación con IA.
La razón de su difusión es concreta: en lugar de que un agente rastree miles de archivos, y tokens, para entender la estructura, consulta el grafo. Una demo midió una reducción de 72x en tokens de Claude Code sobre la misma pregunta; el recorrido de Jack Roberts lo plantea de forma sencilla: lo que hace Graphify es darle un mapa a Claude Code.
02. Por qué le prestamos atención
Dos razones. Primera, la arquitectura es la adecuada para cómo trabajamos: local-first, sin exfiltración de código, artefactos deterministas que puedes versionar y compartir. Ese es el principio de soberanía aplicado al tooling de desarrollo, el asistente obtiene contexto sin que la base de código llegue a salir del entorno del cliente.
Segunda, es un recordatorio nítido de que el cuello de botella para los asistentes de programación con IA rara vez es el modelo, es darle al modelo el contexto adecuado de forma eficiente. Un grafo de conocimiento que el agente puede consultar supera a la lectura de archivos por fuerza bruta en coste, velocidad y precisión a la vez. Lo tratamos como un patrón sobre el que construir, no solo como una herramienta para instalar. Para más contexto, ver esta visión general.
