graphify 中文支持完整指南：jieba 分词让知识图谱中文查询更精准-育师

graphify 中文支持完整指南：jieba 分词让知识图谱中文查询更精准

【免费下载链接】graphifyTurn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable knowledge graph. A /graphify skill for Claude Code, Cursor, Codex, and Gemini CLI: local deterministic AST parsing, every edge explained, no vector store.项目地址: https://gitcode.com/GitHub_Trending/graph/graphify

graphify是一款把代码库、文档、SQL 模式和配置文件变成可查询知识图谱的开源工具，它为 Claude Code、Cursor、Codex 和 Gemini CLI 提供/graphify技能，采用本地确定性 AST 解析，不依赖向量库。更值得中文用户关注的是：graphify 内置了jieba 中文分词支持，让"页面路由"这样的复合中文词也能被精准命中。

🤔 为什么中文查询容易"失手"？

graphify 的查询引擎（实现在 graphify/serve.py）采用分词 + IDF 加权的搜索管线：把查询拆成词元，再按词频给节点打分。这套逻辑对英文很友好——空格天然分词；但对中文来说，"页面路由"如果不拆分，就很难命中只含"路由"的节点。

graphify 给出的解法很直接：

检测到中文就分词：查询词元中包含 CJK 字符时，自动走分词分支；
jieba 优先：安装了 jieba 就用它做语义分词（"页面路由" → ["页面", "路由"]）；
优雅降级：没装 jieba 时退化为双字滑窗（bigram），"页面路由"也会产生"页面"、"路由"等片段；
保留原词：完整复合词会和分词结果一起参与匹配，确保"页面路由"这类精确词不丢失。

核心实现在 graphify/serve.py 的_segment_chinese函数：

def _segment_chinese(text: str) -> list[str]: """Segment Chinese text and keep the original term for exact matching.""" if _jieba is not None: segments = [w for w in _jieba.cut(text) if len(w.strip()) > 0] else: segments = [text[i:i + 2] for i in range(len(text) - 1)] or [text] if len(text) > 1 and text not in segments: segments.append(text) return segments

🚀 jieba 分词快速安装步骤

jieba 是可选依赖，通过chineseextra 引入（见 pyproject.toml）。推荐用 uv 安装：

uv tool install "graphifyy[chinese]"

如果已在用 pip：

pip install "graphifyy[chinese]"

💡 不安装 jieba 也能查中文——双字滑窗回退机制保证基本可用；装上 jieba 后，长复合词的分词质量会明显更好。

jieba 模块在 graphify/serve.py 中被"缓存式"导入：导入成功就全程复用，失败则记为None，不阻塞服务启动。

🔍 中文查询是如何被处理的？

整条管线可以概括为：检测中文 → jieba 分词 → 过滤疑问词 → IDF 加权打分 → 子串匹配加分。

以查询"前端 router 路由配置"为例，graphify 会同时得到前端 / router / 路由 / 配置四个可搜索词元（中英混合场景在 tests/test_serve.py 中有对应测试）。

打分阶段有三个细节让中文查询更稳：

IDF 权重：像"错误"这种出现在上百个节点的词权重低，稀缺的专有名词权重高（graphify/serve.py）；
子串匹配：中文节点标签常是短语，"路由"可以直接命中"路由桥接核对表"这类节点（tests/test_serve.py）；
全链路验证："页面路由"查询能穿透图谱父子边，找到含"路由"标签的子节点（tests/test_serve.py）。

另外注意：日文假名、韩文不会被误判为中文分词对象，它们会整体保留为词元（tests/test_serve.py）。

⚙️ 中文环境使用清单

Windows 中文系统：graphify 已修复系统默认编码导致的乱码问题——技能文件统一指定encoding="utf-8"，json.dumps使用ensure_ascii=False，中文标签原样存储（见 CHANGELOG.md）。
验证分词行为：跑一下tests/test_serve.py中test_query_terms_chinese_segments_with_cached_jieba等用例，可直观看到"页面路由"的分词产物。
查看更新历史：中文分词特性记录在 CHANGELOG.md。