--- title: "Review de Graphify 2026: grafo del código" canonical: https://wavect.io/es/blog/graphify-review-codebase-knowledge-graph/ language: es description: "Review de Graphify para CTO: arquitectura, comparación con RAG, privacidad, límites del benchmark, coste real y piloto medible de dos semanas." image: "https://wavect.io/img/general/bak/open_graph_preview.jpg" --- [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 min de lectura · 16 de julio de 2026 [**Siguiente**](/es/blog/bonsai-27b-phone-local-ai-review/) # Review de Graphify 2026: ¿Merece la pena un grafo de conocimiento del código? Resumen Graphify es una CLI Python con licencia MIT y un skill para agentes que convierte código, esquemas, infraestructura y documentos en un grafo consultable. El código se procesa localmente con tree-sitter; documentos, PDF e imágenes pueden usar un backend semántico. Sus benchmarks propios reportan recall@10 de 0,497 y 45,3% de precisión QA en LOCOMO, 76% en un subset de 50 preguntas de LongMemEval-S y una mejora de cobertura del 70,8% al 82,0% en seis preguntas sobre ERPNext. Justifican un piloto, no una promesa de ROI. El comprador también debe resolver la deriva documental: la política de seguridad aún cita 0.3.x y no refleja por completo los flujos semánticos del README actual. Fija la versión 0.9.17, excluye archivos sensibles y ejecuta una prueba de dos semanas con 20 preguntas reales. **Graphify merece un piloto controlado cuando tus agentes de programación pierden relaciones dentro de una base de código grande y heterogénea.** Convierte código, esquemas, infraestructura y documentación en un grafo consultable. Así, el agente puede seguir conexiones en vez de buscar los mismos archivos una y otra vez. No aporta productividad automática en un repositorio pequeño ni sustituye tests, ownership de arquitectura o revisión humana. El veredicto comercial es sencillo: la licencia MIT elimina la cuota de software, pero no el coste de adopción. Compra el resultado solo si un piloto de dos semanas reduce el tiempo hasta una respuesta de arquitectura verificada o un plan de cambio seguro. Revisamos el [repositorio público de Graphify](https://github.com/Graphify-Labs/graphify) el 16 de julio de 2026. Esta review no está patrocinada y no es una auditoría de seguridad. Si estás decidiendo la arquitectura y no este producto concreto, utiliza nuestro [marco de decisión sobre ingeniería de grafos para agentes de IA](/es/blog/graph-engineering-ai-agents/) para comparar grafos de ejecución, DAGs experimentales, RAG vectorial y grafos de conocimiento. Si una opción más ligera bastara, compara antes un simple mapa del repositorio. Nuestro [review de Graft](/es/blog/graft-review-agent-repo-map/) examina si un mapa en markdown se puede compartir en el equipo por Git y qué demuestran o no sus benchmarks de proveedor. ## ¿Qué es Graphify? Graphify es una CLI open source en Python y un skill para agentes. Usa tree-sitter para extraer localmente símbolos y relaciones del código. Genera tres artefactos principales: un `graph.html` interactivo, un `GRAPH_REPORT.md` legible y un `graph.json` consultable. Comandos como `graphify explain`, `graphify path` y `graphify query` permiten recorrer conceptos y conexiones. | Dato público, comprobado el 16 de julio de 2026 | Implicación de compra | | --- | --- | | Licencia MIT | Sin cuota y con derechos comerciales amplios, pero sin garantía. | | Python 3.10 o superior | Fácil de probar, aunque añade una toolchain que mantener. | | Parsing local y determinista del código | Un grafo solo de código puede funcionar offline sin clave de LLM. | | Docs, PDF e imágenes usan un pase semántico | Esos inputs pueden salir del equipo mediante el asistente o proveedor configurado. | | Integraciones con Codex, Claude Code, Cursor, Gemini CLI y más | El grafo encaja en el workflow actual del equipo. | | El changelog lista 0.9.17 y 0.9.18 sin publicar | El proyecto cambia rápido. Fija versión y vuelve a probar cada upgrade. | ## ¿Qué problema resuelve un grafo de conocimiento del código? La búsqueda responde “¿dónde aparece esta palabra?”. Un grafo puede responder “¿qué conecta esta ruta de API con la tabla, la policy y el recurso de despliegue?”. Esa diferencia importa en sistemas maduros donde un cambio cruza aplicación, esquema, infraestructura y documentos de decisión. Graphify etiqueta las relaciones como extraídas, inferidas o ambiguas. Esta procedencia evita que un agente presente una suposición resuelta como si estuviera explícita en la fuente. El output también muestra nodos centrales, comunidades, llamadas, imports, herencia y referencias a ADR o RFC. | Enfoque | Funciona mejor para | Límite principal | | --- | --- | --- | | grep o búsqueda del repositorio | Strings exactos, símbolos conocidos y verificación rápida | Las relaciones se reconstruyen a mano. | | RAG vectorial | Texto semánticamente parecido y preguntas difusas | La similitud no demuestra dependencia ni ruta de ejecución. | | Graphify | Rutas, dependencias, subsistemas y preguntas cross-layer | El grafo puede quedar obsoleto, incompleto o ruidoso. | | Documentación de arquitectura mantenida | Intención, límites y decisiones con ownership | Se desactualiza si no forma parte del delivery. | La mejor configuración suele combinar los cuatro: el grafo acota la pregunta, el código fuente la verifica y los tests y decisiones con owner forman la capa de aceptación. ## ¿Qué solidez tienen los benchmarks? El proyecto publica un [harness reproducible](https://github.com/Graphify-Labs/graphify/blob/v8/BENCHMARKS.md). Reporta recall@10 de 0,497 y 45,3% de precisión QA en LOCOMO, además de 76% en un subset de 50 preguntas de LongMemEval-S. En inteligencia de código, una herramienta de Graphify elevó la cobertura de datos clave del 70,8% al 82,0% en seis preguntas sobre ERPNext. Son resultados prometedores, no una prueba de compra. El propio proyecto opera el harness, seis preguntas de código son una muestra pequeña y la precisión de benchmark no predice cuánto tardará tu equipo en cerrar cambios reales. Úsalos para justificar un piloto, no para prometer ROI. Reproduce la prueba con una versión fija y preguntas de tu backlog. ## ¿Graphify protege suficientemente el código de empresa? El [límite de privacidad documentado](https://github.com/Graphify-Labs/graphify#privacy) es útil, pero “local first” no significa que todo input permanezca local. El código se procesa en el equipo; documentos, PDF e imágenes pasan por el asistente o backend configurado. La revisión profunda detectó una deriva documental que conviene resolver antes de aprobar la herramienta. La [política de seguridad](https://github.com/Graphify-Labs/graphify/blob/v8/SECURITY.md) aún presenta 0.3.x como versión soportada y afirma que el análisis no hace llamadas de red, mientras el README actual documenta varios backends semánticos. Esto no demuestra una vulnerabilidad, pero impide usar esa página como inventario actual de flujos de datos. 1. **Delimita el corpus.** Excluye secretos, exports, datos de cliente, código generado y archivos irrelevantes con `.gitignore` y `.graphifyignore`. 2. **Clasifica el output.** `graph.json` y el informe revelan arquitectura, rutas y relaciones. Protégelos como código fuente. 3. **Mapea cada backend.** Registra qué documentos salen, a qué proveedor y región, con qué retención y base contractual. 4. **Exige trazabilidad.** Toda respuesta de arquitectura debe volver a código fuente o a una decisión revisada. 5. **Revisa upgrades.** El [changelog activo](https://github.com/Graphify-Labs/graphify/blob/v8/CHANGELOG.md) incluye correcciones de caché y extracción. Fija, escanea y prueba cada versión. ## ¿Cuánto cuesta Graphify en realidad? La [licencia MIT](https://github.com/Graphify-Labs/graphify/blob/v8/LICENSE) permite uso, modificación y distribución gratuitos. El coste total incluye instalación, reglas del corpus, almacenamiento, hooks de actualización, uso del proveedor semántico, revisión de seguridad, diseño del benchmark, formación y mantenimiento. Hacer commit de `graphify-out/` acelera el acceso del equipo, pero abre una decisión de gobierno y puede generar diffs grandes. No justifiques la herramienta con tokens ahorrados en una demo. Mide la unidad que compra el negocio: tiempo desde una pregunta o ticket hasta una respuesta respaldada por fuentes, un plan de cambio seguro o un pull request aceptado. ## ¿Quién debería adoptar Graphify? | Situación | Decisión | Por qué | | --- | --- | --- | | Monorepo grande o varios repositorios conectados | Piloto | Reconstruir rutas entre sistemas repetidamente resulta caro. | | Onboarding, takeover o due diligence frecuentes | Piloto | Un mapa compartido acelera hipótesis y discovery de arquitectura. | | Servicio pequeño, conocido y bien documentado | Omitir por ahora | La búsqueda y los docs probablemente ya resuelven las preguntas. | | El equipo espera corrección garantizada | No desplegar | Las aristas extraídas e inferidas todavía exigen fuente, tests y owner. | | Código regulado sin proveedor semántico aprobado | Piloto solo de código o esperar | Mantén el corpus offline hasta aprobar el tratamiento. | ## ¿Cómo ejecutar un piloto de dos semanas? 1. **Elige un workflow costoso.** Onboarding, análisis de impacto, preguntas de arquitectura o planificación cross-layer. 2. **Crea un set ciego.** Usa 20 preguntas reales con respuestas conocidas y respaldadas por fuentes. 3. **Mide el baseline.** Registra tiempo, precisión, archivos abiertos, tokens y esfuerzo de revisión actual. 4. **Fija Graphify y sus límites.** Congela versión, excluye rutas sensibles y documenta cada input que usa un modelo externo. 5. **Compara outcomes.** Escala solo si mejoran precisión verificable, tiempo mediano y esfuerzo de revisión sin regresiones de seguridad o mantenimiento. ## Preguntas frecuentes ### ¿Qué es Graphify? Graphify es una CLI open source y un skill para asistentes de programación. Convierte código, esquemas, infraestructura, documentos y medios compatibles en un grafo consultable con visualización, informe Markdown y JSON. ### ¿Graphify es gratis para uso comercial? Sí. La licencia MIT permite uso comercial, modificación y distribución conservando su aviso. Siguen existiendo costes de implantación, modelos, almacenamiento, seguridad y mantenimiento. ### ¿Graphify envía el código a un LLM? El proyecto afirma que el código se procesa localmente con tree-sitter y un corpus solo de código puede funcionar offline. Documentos, PDF e imágenes usan un pase semántico con el asistente o proveedor configurado. ### ¿Graphify es mejor que RAG? Resuelven problemas diferentes. RAG vectorial encuentra similitud semántica; Graphify modela relaciones y rutas explícitas. La combinación con verificación en fuente suele ser más fuerte. ### ¿Puede sustituir la documentación de arquitectura? No. Puede crear y refrescar un mapa estructural, pero no posee la intención de producto, los trade-offs ni la responsabilidad. Mantén ADR, tests y ownership humano. ### ¿Cómo debería evaluarlo un CTO? Compara precisión respaldada por fuentes, tiempo mediano, esfuerzo de revisión, coste de tokens, frescura del grafo y carga de seguridad frente al workflow de búsqueda actual. ## Reflexiones finales Graphify aborda una carencia real del AI coding: los agentes encuentran archivos, pero pierden las relaciones necesarias para cambiar un sistema con seguridad. El parsing local, el grafo explícito y las etiquetas de procedencia justifican un piloto en sistemas complejos. El veredicto comercial es condicional. El software es gratis, la implantación no, y sus benchmarks propios no predicen tu ROI. Dale dos semanas, una versión fija, preguntas reales y límites de datos estrictos. Consérvalo solo si el equipo llega antes a respuestas verificadas y cambios aceptados. ## También te puede gustar.. [**El cuello de botella del software era el contexto** Por qué los agentes necesitan seleccionar, mantener y verificar el contexto correcto del sistema.](/es/blog/ai-coding-agents-context-not-intelligence/) [**AI Enablement frente a consultoría de IA genérica** Compara una implantación medible en tu infraestructura con un proyecto limitado a estrategia.](/es/compare/ai-enablement-vs-generic-ai-consultancy/) Ingeniería de agentes ## Continúa por este clúster Agentes de código, MCP, contexto, evaluación y controles para automatización fiable. [Empieza por el artículo fundamental**Ingeniería de grafos para agentes de IA: ¿Cuándo compensa un knowledge graph?**](/es/blog/graph-engineering-ai-agents/) - [Por qué las ediciones de agentes necesitan identidad semántica: SEMAPRAX en Rust](/es/blog/semantic-identity-rust-agent-edits/) - [Análisis de OpenViking 2026: ¿Memoria de archivos lista para producción?](/es/blog/openviking-agent-memory-review/) - [LLM-as-a-Verifier: arquitectura, costes y uso en producción](/es/blog/llm-as-a-verifier/) - [TrueForge: análisis del agent harness open source para producción](/es/blog/trueforge-agent-harness-review/) - [Webs legibles por agentes: llms.txt, espejos en Markdown y qué se rompe](/es/blog/agent-readable-website-llms-txt-markdown-mirrors/) Tu bandeja, sin ruido ## Sigue el trabajo que te importa Recibe un correo breve cuando publiquemos algo nuevo. Sigue todo el blog o solo los temas que te interesan. [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 11 min de lectura · 16 de julio de 2026 [**Siguiente**](/es/blog/bonsai-27b-phone-local-ai-review/) Nuevos artículos por correo × × Recibe nuevos artículos por correo Un correo breve cuando publicamos. Gratis y sin seguimiento. ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/es/blog/graphify-review-codebase-knowledge-graph/#webpage", "@type": "WebPage", "dateModified": "2026-07-16", "inLanguage": "es", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-07-16", "url": "https://wavect.io/es/blog/graphify-review-codebase-knowledge-graph/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Graphify es una CLI Python con licencia MIT y un skill para agentes que convierte código, esquemas, infraestructura y documentos en un grafo consultable. El código se procesa localmente con tree-sitter; documentos, PDF e imágenes pueden usar un backend semántico. Sus benchmarks propios reportan recall@10 de 0,497 y 45,3% de precisión QA en LOCOMO, 76% en un subset de 50 preguntas de LongMemEval-S y una mejora de cobertura del 70,8% al 82,0% en seis preguntas sobre ERPNext. Justifican un piloto, no una promesa de ROI. El comprador también debe resolver la deriva documental: la política de seguridad aún cita 0.3.x y no refleja por completo los flujos semánticos del README actual. Fija la versión 0.9.17, excluye archivos sensibles y ejecuta una prueba de dos semanas con 20 preguntas reales.", "articleBody": " Resumen del blog/IA y agentes/Ingeniería de agentes Review de Graphify 2026: ¿Merece la pena un grafo de conocimiento del código? Resumen Graphify es una CLI Python con licencia MIT y un skill para agentes que convierte código, esquemas, infraestructura y documentos en un grafo consultable. El código se procesa localmente con tree-sitter; documentos, PDF e imágenes pueden usar un backend semántico. Sus benchmarks propios reportan recall@10 de 0,497 y 45,3% de precisión QA en LOCOMO, 76% en un subset de 50 preguntas de LongMemEval-S y una mejora de cobertura del 70,8% al 82,0% en seis preguntas sobre ERPNext. Justifican un piloto, no una promesa de ROI. El comprador también debe resolver la deriva documental: la política de seguridad aún cita 0.3.x y no refleja por completo los flujos semánticos del README actual. Fija la versión 0.9.17, excluye archivos sensibles y ejecuta una prueba de dos semanas con 20 preguntas reales. Graphify merece un piloto controlado cuando tus agentes de programación pierden relaciones dentro de una base de código grande y heterogénea. Convierte código, esquemas, infraestructura y documentación en un grafo consultable. Así, el agente puede seguir conexiones en vez de buscar los mismos archivos una y otra vez. No aporta productividad automática en un repositorio pequeño ni sustituye tests, ownership de arquitectura o revisión humana. El veredicto comercial es sencillo: la licencia MIT elimina la cuota de software, pero no el coste de adopción. Compra el resultado solo si un piloto de dos semanas reduce el tiempo hasta una respuesta de arquitectura verificada o un plan de cambio seguro. Revisamos el repositorio público de Graphify el 16 de julio de 2026. Esta review no está patrocinada y no es una auditoría de seguridad. Si estás decidiendo la arquitectura y no este producto concreto, utiliza nuestro marco de decisión sobre ingeniería de grafos para agentes de IA para comparar grafos de ejecución, DAGs experimentales, RAG vectorial y grafos de conocimiento. Si una opción más ligera bastara, compara antes un simple mapa del repositorio. Nuestro review de Graft examina si un mapa en markdown se puede compartir en el equipo por Git y qué demuestran o no sus benchmarks de proveedor. ¿Qué es Graphify? Graphify es una CLI open source en Python y un skill para agentes. Usa tree-sitter para extraer localmente símbolos y relaciones del código. Genera tres artefactos principales: un graph.html interactivo, un GRAPH_REPORT.md legible y un graph.json consultable. Comandos como graphify explain, graphify path y graphify query permiten recorrer conceptos y conexiones. Dato público, comprobado el 16 de julio de 2026Implicación de compra Licencia MITSin cuota y con derechos comerciales amplios, pero sin garantía. Python 3.10 o superiorFácil de probar, aunque añade una toolchain que mantener. Parsing local y determinista del códigoUn grafo solo de código puede funcionar offline sin clave de LLM. Docs, PDF e imágenes usan un pase semánticoEsos inputs pueden salir del equipo mediante el asistente o proveedor configurado. Integraciones con Codex, Claude Code, Cursor, Gemini CLI y másEl grafo encaja en el workflow actual del equipo. El changelog lista 0.9.17 y 0.9.18 sin publicarEl proyecto cambia rápido. Fija versión y vuelve a probar cada upgrade. ¿Qué problema resuelve un grafo de conocimiento del código? La búsqueda responde “¿dónde aparece esta palabra?”. Un grafo puede responder “¿qué conecta esta ruta de API con la tabla, la policy y el recurso de despliegue?”. Esa diferencia importa en sistemas maduros donde un cambio cruza aplicación, esquema, infraestructura y documentos de decisión. Graphify etiqueta las relaciones como extraídas, inferidas o ambiguas. Esta procedencia evita que un agente presente una suposición resuelta como si estuviera explícita en la fuente. El output también muestra nodos centrales, comunidades, llamadas, imports, herencia y referencias a ADR o RFC. EnfoqueFunciona mejor paraLímite principal grep o búsqueda del repositorioStrings exactos, símbolos conocidos y verificación rápidaLas relaciones se reconstruyen a mano. RAG vectorialTexto semánticamente parecido y preguntas difusasLa similitud no demuestra dependencia ni ruta de ejecución. GraphifyRutas, dependencias, subsistemas y preguntas cross-layerEl grafo puede quedar obsoleto, incompleto o ruidoso. Documentación de arquitectura mantenidaIntención, límites y decisiones con ownershipSe desactualiza si no forma parte del delivery. La mejor configuración suele combinar los cuatro: el grafo acota la pregunta, el código fuente la verifica y los tests y decisiones con owner forman la capa de aceptación. ¿Qué solidez tienen los benchmarks? El proyecto publica un harness reproducible. Reporta recall@10 de 0,497 y 45,3% de precisión QA en LOCOMO, además de 76% en un subset de 50 preguntas de LongMemEval-S. En inteligencia de código, una herramienta de Graphify elevó la cobertura de datos clave del 70,8% al 82,0% en seis", "articleSection": "Engineering", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "dateModified": "2026-07-16", "datePublished": "2026-07-16", "description": "Graphify es una CLI Python con licencia MIT y un skill para agentes que convierte código, esquemas, infraestructura y documentos en un grafo consultable. El código se procesa localmente con tree-sitter; documentos, PDF e imágenes pueden usar un backend semántico. Sus benchmarks propios reportan recall@10 de 0,497 y 45,3% de precisión QA en LOCOMO, 76% en un subset de 50 preguntas de LongMemEval-S y una mejora de cobertura del 70,8% al 82,0% en seis preguntas sobre ERPNext. Justifican un piloto, no una promesa de ROI. El comprador también debe resolver la deriva documental: la política de seguridad aún cita 0.3.x y no refleja por completo los flujos semánticos del README actual. Fija la versión 0.9.17, excluye archivos sensibles y ejecuta una prueba de dos semanas con 20 preguntas reales.", "headline": "Review de Graphify 2026: ¿Merece la pena un grafo de conocimiento del código?", "image": "https://wavect.io/img/blog/headers/header_graphify-review-codebase-knowledge-graph.svg", "inLanguage": "es", "mainEntityOfPage": { "@id": "https://wavect.io/es/blog/graphify-review-codebase-knowledge-graph/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/es/blog/graphify-review-codebase-knowledge-graph/", "wordCount": 1862 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/es/", "name": "Inicio", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/overview/", "name": "Resumen del blog", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/topics/ai-agents/", "name": "IA y agentes", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/clusters/agent-engineering/", "name": "Ingeniería de agentes", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/graphify-review-codebase-knowledge-graph/", "name": "Review de Graphify 2026: grafo del código | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Graphify es una CLI open source y un skill para asistentes de programación. Convierte código, esquemas, infraestructura, documentos y medios compatibles en un grafo consultable con visualización, informe Markdown y JSON." }, "name": "¿Qué es Graphify?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Sí. La licencia MIT permite uso comercial, modificación y distribución conservando su aviso. Siguen existiendo costes de implantación, modelos, almacenamiento, seguridad y mantenimiento." }, "name": "¿Graphify es gratis para uso comercial?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "El proyecto afirma que el código se procesa localmente con tree-sitter y un corpus solo de código puede funcionar offline. Documentos, PDF e imágenes usan un pase semántico con el asistente o proveedor configurado." }, "name": "¿Graphify envía el código a un LLM?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Resuelven problemas diferentes. RAG vectorial encuentra similitud semántica; Graphify modela relaciones y rutas explícitas. La combinación con verificación en fuente suele ser más fuerte." }, "name": "¿Graphify es mejor que RAG?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "No. Puede crear y refrescar un mapa estructural, pero no posee la intención de producto, los trade-offs ni la responsabilidad. Mantén ADR, tests y ownership humano." }, "name": "¿Puede sustituir la documentación de arquitectura?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Compara precisión respaldada por fuentes, tiempo mediano, esfuerzo de revisión, coste de tokens, frescura del grafo y carga de seguridad frente al workflow de búsqueda actual." }, "name": "¿Cómo debería evaluarlo un CTO?" } ] } ```