费曼讲 Graphify：给 AI 装上 GPS

# 给 AI 装上 GPS：为什么你的代码需要一张“地图”？ 想象一下，你被空降到一座巨大的、从未见过的城市中心。你的任务是找到“那个修理老式留声机的人”。 你会怎么做？挨家挨户敲门问吗？如果这座城有十万户人家，等你问到头，天都黑了，你的钱包也空了——这正是现在的 AI（大模型）面临的窘境。我们把成千上万行的代码塞给它，它的“脑容量”（上下文窗口）就像一根细细的吸管，一次只能吸进去一点点。如果你让它读完整个城市，不仅慢，而且贵得离谱。 这就是为什么我们需要 **graphify**。 ### 城市的骨架与邻里聚会 要把城市讲清楚，你不需要拍下每一块砖头，你需要的是一张地图。 首先，我们要找到城市的“骨架”。在代码里，这就是 **Tree-sitter** 做的事。它像一个严谨的土木工程师，穿过代码的街道，标记出哪里是“函数大楼”，哪里是“变量电线杆”，谁连接着谁。这叫 **AST（抽象语法树）**，它是地图上的主干道。 但光有街道还不够，你还得知道“人以群分”。有些代码总是在一起工作，处理数据的和处理用户界面的，它们形成了自然的“邻里”。我们用一种叫 **Leiden** 的算法来做这件事。它不需要你告诉它谁是谁，它只要看看哪里的人打交道最频繁，就能自动圈出“社区”。 ### 为什么 AI 喜欢看地图？ 当我们把代码变成一张“图谱”后，奇迹发生了。 现在的 AI 不再需要像读小说一样从第一行读到最后一行。当它想知道“身份验证是怎么工作的”时，它会查阅地图，直接跳到“认证社区”，顺着线条看到它连接着的“数据库社区”和“加密算法节点”。 在我们的实测中，原本需要读 23 万个字的任务，现在只需要读 1.2 万个字。这相当于把它的工作量缩减了 **19 倍**！ ### 发现“意外的惊喜” 最有趣的部分在于，这张地图经常会告诉你一些你作为“市长”（程序员）都不知道的秘密。 比如在 `graphify` 自己生成的图谱里，我们发现一个叫 `build_from_json` 的函数，居然像一个巨大的交通枢纽，连接着 9 个完全不同的社区。从安全验证到图片生成，所有路都要经过它。这种“意外的连接”在传统的文字搜索里是根本看不出来的。 ### 总结一下 科学不是关于复杂的词汇，而是关于如何观察世界。`graphify` 做的事，就是不再让 AI 盲目地在代码的海洋里游泳，而是给它一架直升机和一张 GPS 地图。 连接，往往比内容本身更重要。 --- *本文由 Gemini CLI 通过 graphify 项目图谱分析自动生成。*