En este artículo
Review de Graphify 2026: ¿Merece la pena un grafo de conocimiento del código?
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: Graphify CLI no tiene cuota de licencia y su adopción requiere tiempo de ingeniería. 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 hasta el 13 de noviembre 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.
¿Necesitas un workflow de AI coding medible en vez de otro despliegue de herramientas?
Diseñar el piloto de AI EngineeringLa revisión se centra en Graphify CLI, la herramienta de código abierto. El servicio alojado Graphify indexa los repositorios conectados, actualiza sus grafos y los usa para revisar pull requests dentro de los límites de cada plan.
¿Qué es Graphify CLI?
Graphify CLI es una herramienta de línea de comandos de código abierto en Python con 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 13 de noviembre de 2026 | Implicación de compra |
|---|---|
| Metadatos Apache-2.0 y archivos de licencia Apache y MIT | Sin cuota y con derechos comerciales amplios, con obligaciones de aviso y sin garantía. |
| Python 3.10 a 3.14 | 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. |
| Paquete revisado: graphifyy 0.9.108, publicado el 12 de noviembre de 2026 | El proyecto cambia rápido. Fija la release exacta y vuelve a probar cada upgrade. |
¿Qué cambia en Graphify CLI 0.9.108?
Graphify CLI 0.9.108. Según las notas de la versión, mejora la resolución de llamadas en C# y Java y corrige dependencias entre tablas SQL. La caché AST pasa al esquema 45 y vuelve a procesar los archivos C#, Java y SQL afectados. El servidor MCP local puede seguir sirviendo el grafo anterior mientras carga el nuevo.
En el piloto de actualización, conserva preguntas conocidas entre archivos y al menos una prueba de renombrado o eliminación. Compara una reconstrucción completa con una actualización incremental y revisa las líneas fuente citadas. Fija el paquete con uv tool install graphifyy==0.9.108; actualizar el ejecutable no actualiza un grafo antiguo.
Para un piloto solo de código en un repositorio mixto, ejecuta graphify extract . --code-only en el corpus elegido. Comprueba el alcance de extracción indicado antes de incluir entradas semánticas o habilitar un modelo externo.
Probamos Graphify CLI 0.9.108 con Python 3.14.2 en modo solo código, en una carpeta sintética con dos archivos Python y uno Markdown. Omitió Markdown y devolvió la misma llamada entre archivos y las mismas líneas de código fuente con dos semillas hash de Python.
¿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 CLI | 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. 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 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 política de seguridad ya admite la última línea 0.9.x y distingue la extracción AST local, los backends semánticos configurados, la ingesta saliente y el servidor HTTP opcional. Esto resuelve el desfase documental señalado en septiembre. Los controles documentados no demuestran que un despliegue sea seguro; revisa la versión, el corpus y los flujos de datos concretos.
Si instalaste la skill del agente antes de la versión 0.9.104, actualiza sus archivos instalados junto con la CLI. Esa versión de mantenimiento cambió la lectura del directorio de análisis para tratar la ruta como datos. El conjunto opcional de dependencias MCP también eleva la versión mínima de AnyIO. Si usas MCP, comprueba las versiones instaladas.
- Delimita el corpus. Excluye secretos, exports, datos de cliente, código generado y archivos irrelevantes con
.gitignorey.graphifyignore. - Clasifica el output.
graph.jsony el informe revelan arquitectura, rutas y relaciones. Protégelos como código fuente. - Mapea cada backend. Registra qué documentos salen, a qué proveedor y región, con qué retención y base contractual.
- Exige trazabilidad. Toda respuesta de arquitectura debe volver a código fuente o a una decisión revisada.
- Revisa upgrades. El changelog activo incluye correcciones de caché y extracción. Fija, escanea y prueba cada versión.
El servidor MCP alojado usa Streamable HTTP en https://api.graphify.com/mcp e inicio de sesión mediante OAuth. Las consultas leen código indexado. Las herramientas de memoria y espacio de trabajo pueden guardar cambios. Según la política de privacidad, el servicio alojado envía código y contenidos a OpenAI y Anthropic para su procesamiento y esos proveedores no los usan para entrenar modelos. Antes de conectar repositorios de empresa, revisa los permisos, la retención y los subencargados del tratamiento. La página de seguridad indica que la auditoría SOC 2 Tipo II sigue en curso.
¿Cuánto cuesta Graphify en realidad?
Los metadatos del paquete de Graphify CLI declaran Apache-2.0 y el repositorio incluye además un archivo de licencia MIT. Ambos permiten uso comercial, modificación y distribución según sus condiciones. 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.
Los siguientes precios de Graphify están en dólares estadounidenses y se comprobaron el 13 de noviembre de 2026.
- Free. Sin tarjeta. Para una persona, hasta tres repositorios y 25.000 nodos por repositorio.
- Pro. 15 USD al mes, 36 USD al trimestre o 120 USD al año (10 USD al mes con facturación anual), para una persona.
- Teams. Mínimo dos plazas. Para los primeros 100 equipos, 29 USD al mes, 72 USD al trimestre o 240 USD al año por plaza (20 USD al mes por plaza con facturación anual). Después, 40 USD al mes, 96 USD al trimestre o 336 USD al año por plaza.
- Enterprise. Precio a medida con opción de alojamiento propio.
Las pruebas de dos semanas de Pro y Teams requieren tarjeta. En un piloto con el servicio alojado, incluye el coste de las plazas, los permisos de los repositorios, los límites de revisión y el tiempo de verificar los hallazgos.
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?
- Elige un workflow costoso. Onboarding, análisis de impacto, preguntas de arquitectura o planificación cross-layer.
- Crea un set ciego. Usa 20 preguntas reales con respuestas conocidas y respaldadas por fuentes.
- Mide el baseline. Registra tiempo, precisión, archivos abiertos, tokens y esfuerzo de revisión actual.
- Fija Graphify y sus límites. Congela versión, excluye rutas sensibles y documenta cada input que usa un modelo externo.
- 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 CLI?
¿Graphify CLI es gratis para uso comercial?
¿Graphify CLI envía el código a un LLM?
¿Graphify es mejor que RAG?
¿Puede sustituir la documentación de arquitectura?
¿Cómo debería evaluarlo un CTO?
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. La CLI no tiene cuota de licencia. Presupuesta la implantación y, si pruebas el servicio alojado Graphify, incluye el coste de la suscripción. 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.
¿Quieres un piloto de AI Engineering con baseline, límites de seguridad y decisión de escala?
Planificar el piloto medibleTras localizar el alcance del cambio con el grafo, consulta la guía de presupuesto de Greptile Base, Plus y Apex para elegir profundidad y medir hallazgos confirmados.