Graphifyとは？｜コマンド1つでプロジェクト全体を「つながりの地図」に可視化

この記事はフォルダの中身がカオスで全体像が見えない人向け（Claude Codeを触ったことがあれば読めます）。

Graphifyのナレッジグラフは「検索」と何が違うのか？

ファイルを探す時、普通は検索しますよね。

「あのファイルどこだっけ」ってファイル名で検索する。

でも、ファイル名を覚えてなかったら？

そもそも何を探してるか分からなかったら？

検索って「答えを知ってる人」のための道具なんですよね。

Graphifyがやるのは、それとは全然違います。

フォルダの中にあるファイルを全部読んで、「このファイルとこのファイルは関係がある」っていうつながりを見つけ出す。

で、それを目に見える地図にしてくれる。

たとえるなら、本棚。

検索は「この本棚の3段目にある赤い本を取って」。

Graphifyは「この本棚全体の構造を見せてくれて、どの本がどの本と関係してるか教えてくれる」。

探し物じゃなくて、全体像が見える。

「このフォルダ、実はこういう構造だったのか」っていう発見がある。

私は普段Claude Code（AnthropicのCLI型コーディングAI）を使ってるんですけど、プロジェクトが大きくなってくると「あれ、このファイルって何のためにあるんだっけ」ってなる瞬間があるんですよ。

そういう時に地図があったら、だいぶ違うなって思いました。

公式構想をGraphifyが48時間で自動化したとは？

ちょっと裏側の話をさせてください。

2026年4月3日、OpenAI/Tesla元AIディレクターが「LLM Knowledge Bases」という公式構想をGitHub Gistで手順書として公開した。

「最近AIをコード書くより、知識の整理に使ってる」という発信です。

フォルダにデータを入れる → AIがWiki（百科事典のようにページを蓄積していく形式）を自動生成する → Obsidian（ローカル保存型のメモアプリ）で見る。

このワークフロー（作業の流れ）が業界で大きな話題になりました。

で、その48時間後。

ある開発者が、公式構想をベースにしたツールをGitHubに公開した。

それがGraphifyです。

5日で10,000スターっていうのは、GitHubの世界ではかなり異常な速度です。

それだけ「こういうのが欲しかった」っていう人が多かったんでしょうね。

公式構想方式との一番の違いは、「全自動」ってところ。

公式構想方式はフォルダ整理もWiki構築も手動でAIに指示する必要があった。

Graphifyはコマンド1つで、解析から地図の生成まで全部やってくれます。

Graphifyはどういう仕組みか？tree-sitter＋AIの2段階解析

技術的にどうやってるのか、中身を見てみました。

Graphifyは2段階で動きます。

まず第1段階。

「tree-sitter（プログラムのコードを構文の木として解析するエンジン）」で、コードの構造を機械的に読み取る。

どの関数がどの関数を呼んでるか、どのファイルがどのファイルを読み込んでるか。

これはAIを使わず、ルールベースで正確にやります。

次に第2段階。

Claude（AIの方）に中身を読ませて、「このファイルとこのファイルは概念的につながってるよね」っていう意味的なつながりを見つけさせる。

コードだけじゃなくて、PDFとか画像とかも読めます。

で、面白いなと思ったのが「つながりの信頼度」。

Graphifyが見つけたつながりには3種類のタグが付きます。

「EXTRACTED」は、コードから直接見つけた確実なつながり。

「INFERRED」は、AIが「たぶん関係あるよね」と推測したもの。

0から1の信頼スコア付き。

「AMBIGUOUS」は、「ちょっと自信ないから確認して」っていうもの。

AIが「全部分かりました！」って言い切らないで、「ここは自信ないです」ってちゃんと表示してくれる。

3種類のタグで仕分けてくれる仕様は、あとから手で確認する時に効きます。

「分からないものは分からない」って言えるのは、使う側からすると信頼できますよね。

Graphifyでプロジェクトの全体像を一瞬で可視化できるか？

Claude Codeでプロジェクトを進めてると、気づいたらファイルが増えてるんですよね。

私が作ったはずなのに、全体像が見えなくなる。

Graphifyを使えば、フォルダ全体の構造が地図になって出てくるので、「今このプロジェクトはこういう状態」っていうのが一目で分かる。

しかもトークン効率が71.5倍っていう数字が出てます。

つまり、AIにファイルを1個1個読ませるより、Graphifyの地図を読ませた方が71.5倍少ないトークンで済む。

Claude Codeのコンテキスト（AIが覚えていられる量）って有限なので、これはかなり実用的な話です。

Graphifyで引き継ぎ資料なしのプロジェクトを理解できるか？

想像するだけでゾッとする場面があります。

前任者が作ったプロジェクトを引き継いだ。

ドキュメントはない。コメントもない。ファイル名だけが頼り。

こういう時にGraphifyでフォルダを丸ごと解析すれば、少なくとも「何と何が関連してるか」は分かります。

地図があるのとないのとでは、探索の効率が全然違いますよね。

GraphifyでPDF・画像もまとめてナレッジグラフ化できるか？

PDFや画像も読めるので、コードに限らず使えそうなのが面白いところ。

たとえば、あるテーマについて集めた論文やスクリーンショットをフォルダに入れて、Graphifyに地図を作らせる。

「この論文とこの記事は同じ概念について書いてる」みたいな関係が見えてくる。

先行する公式構想でいう「知識ベース」の構築を、もっと手軽にやれるってことですね。

Graphifyに必要なものは？

料金: 無料（MIT（オープンソースで自由に使えるライセンス）の1つ）

必要な環境: Python 3.10以上

対応ツール: Claude Code、Codex、OpenCode、OpenClaw、Factory Droid

日本語対応: ツール自体の表示は英語です。

ただ、日本語のファイルも読めるとのこと

注意: ドキュメントや画像の解析にはAIのAPI（外部のAIサービスを呼び出す仕組み。

Claude等）を使うので、その分のAPI利用料がかかる場合があります。

コードの構造解析はローカルで完結します

Graphifyのインストール手順は？（Claude Code）

私はClaude Codeを使ってるので、Claude Codeでの手順を書きます。

ステップ1。まずインストール。

Claude Codeを開いて、こう聞いてみてください。

「Graphifyっていうツールをインストールしたい。

pip install graphifyy && graphify install を実行して」

※パッケージ名が「graphifyy」（yが2つ）なので注意。

公式がPyPI（Pythonのパッケージ配布サイト）の名前を取得中で、今は「graphifyy」が正しい名前です。

ステップ2。インストールできたら、地図を作りたいフォルダに移動。

Claude Codeに「このフォルダでGraphifyを実行して」と伝えればOKです。

あとはClaude Codeが勝手にやってくれます。

ステップ3。待つ。

フォルダの大きさによりますが、解析が終わると3つのファイルが出てきます。

graph.html → ブラウザで開くとインタラクティブな地図が見える

GRAPH_REPORT.md → テキスト形式のレポート。

重要なファイルや意外なつながりが書いてある

graph.json → AIが読むためのデータ。

次回以降、Claude Codeにこれを読ませると効率がいい

ステップ4。graph.htmlをブラウザで開いてみてください。

ファイルが点（ノード）になっていて、関連するファイル同士が線でつながってる。

色分けもされてて、似た役割のファイルは同じ色のグループにまとまります。

ステップ5。レポートを読む。

GRAPH_REPORT.mdには「このファイルが一番多くのファイルとつながってるよ」っていう情報や、「こことここのつながりは意外かもしれない」っていう発見が書かれています。

大事なこと: 初めて使う前に、Claude Codeに「このGitHubリポジトリ（https://github.com/safishamsi/graphify）を読んで、セキュリティ的に問題ないかチェックして」とお願いしてください。

オープンソースのツールは誰でもコードを見られる反面、私自身でも確認する習慣をつけておくと安心です。

よくある疑問

Q. プログラミングできないけどGraphifyは使える？

正直、Pythonのインストールとターミナル（パソコンに文字で命令を打つ画面）の操作が必要なので、完全にゼロからだとちょっとハードルはあります。

でも、Claude Codeを使ってる人なら大丈夫。

「Graphifyを入れて使いたい」ってClaude Codeに言えば、インストールから実行まで全部やってくれます。

つまり、Claude Codeが使えるなら実質ハードルはほぼゼロです。

Q. Graphifyでファイルの中身がどこかに送られる？

ここは要注意です。

コードの構造解析（どの関数がどこを呼んでるか等）はパソコンの中だけで完結します。

ただし、ドキュメントや画像の「意味を理解する」部分はClaude APIに送信されるとのこと。

つまり、PDFや画像を含めて解析する場合は、その内容がClaude APIに送られる。

機密情報を含むファイルは、解析対象のフォルダから外しておいた方がいいですね。

Q. 公式構想方式と、どっちがいい？

目的が微妙に違います。

公式構想方式は「知識をWiki形式で蓄積していく」もの。

時間をかけて育てるタイプ。

Graphifyは「今あるフォルダの構造を一瞬で可視化する」もの。

スナップショットに近い。

組み合わせて使うのが一番良さそうですよね。

Graphifyで全体像を掴んで、その上で公式構想方式で知識を深堀りしていく、みたいな。

Graphifyの注意点と限界は？

まず、まだ生まれて5日のツールです。

GitHubを見ると最終更新は4月8日でv0.3.12。

活発に開発されていますが、まだバージョン0.x台。

安定版とは言えない段階なので、「試してみる」くらいの温度感がちょうどいいと思います。

あと、オープンソースは誰でもコードを変更できるので、インストールする前に最終更新日とIssue（不具合報告）を確認してからにしてください。

それから、大きすぎるフォルダだとAIのAPI利用料がかさむ可能性があります。

まずは小さめのフォルダで試してみるのがいいかなと。

あと、対応してるAIコーディングツールがClaude Code・Codex・OpenCode・OpenClaw・Factory Droidの5つ。

普通のClaude（チャット版）やChatGPTでは使えません。

Graphifyが変える「情報の見え方」とは？

今回Graphifyを見て思ったのは、結局これって「情報の見え方を変えるツール」なんですよね。

ファイルの中身は変わらない。

でも、つながりが見えると、理解の速度が全然違う。

公式構想で「コードより知識の整理にAIを使うようになった」と発信されていた意味が、Graphifyを見てやっと実感できた気がします。

AIの使い方って、どんどん「作る」から「整理する」「理解する」に移ってきてる。

まずは私自身のプロジェクトフォルダで1回試してみてください。

「え、こことここ繋がってたの？」っていう発見が、たぶんあると思います。

先行する公式構想の解説記事をまだ読んでない方は、そちらも合わせてどうぞ。

セットで読むと「AIで知識を整理する」の全体像が見えてきます。

参考リンク

・Graphify GitHub: https://github.com/safishamsi/graphify

・Graphify PyPI: https://pypi.org/project/graphifyy/

・LLM Knowledge Bases公式構想（手順書 GitHub Gist）: https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f

※この記事の内容は執筆時点のものです。AIは進化が速い分野のため、最新の仕様は公式サイトでご確認ください。