在Cursor中使用graphify

https://github.com/safishamsi/graphify

🚀 第一步：安装 Graphify 并集成到 Cursor

在你的电脑终端（Terminal）中执行以下命令。

1. 安装 Graphify 核心程序
   需要 Python 3.10 或更高版本。推荐使用uv，它会自动处理好路径问题：

   bash

   uv tool install graphifyy

   如果未安装uv，也可以用pipx：

   bash

   pipx install graphifyy

   注意：官方的 PyPI 包名是graphifyy（两个 'y'）。

2. 集成到 Cursor
   运行以下命令，它会自动将 Graphify 的“技能”（Skill）配置到 Cursor 中：

   bash

   graphify cursor install

   这个命令会在你的 Cursor 配置中创建一个规则文件（.cursor/rules/graphify.mdc），并确保 Cursor 每次对话都会自动加载它。

✨ 第二步：在项目中使用

安装成功后，在 Cursor 的 AI 对话面板（Chat）里就可以直接使用了。

1. 打开 Cursor 并进入项目
   用 Cursor 打开你想要分析的项目文件夹。

2. 使用/graphify命令构建知识图谱
   在 Cursor 的 AI 对话输入框中，输入命令：

   text

   /graphify .

   这会让 Graphify 分析当前目录下的所有文件（代码、文档、图片等），并构建一个知识图谱。首次运行可能需要一些时间，请耐心等待。

3. 后续使用
   构建完成后，你就可以在 Cursor 的 AI 对话中用自然语言提问了，例如：

   • /graphify query "这个项目的入口文件在哪里？"

   • /graphify explain "UserLoginService"

💡 进阶使用 (可选)：将 Graphify 作为 MCP 服务器启动

对于高级用户，还可以将 Graphify 配置为 MCP (Model Context Protocol) 服务器，让 AI 助手能以更结构化的方式调用知识图谱。

1. 启动 MCP 服务器
   在你的项目根目录下，运行以下命令来启动服务器：

   bash

   python -m graphify.serve graphify-out/graph.json

   这会将graph.json这个知识图谱文件暴露为一个 MCP 服务，提供query_graph、get_node、get_neighbors等工具。

2. 配置 Cursor 连接 MCP 服务器
   打开 Cursor 设置 (File->Preferences->Cursor Settings->MCP)，添加一个新的 MCP 服务器，并参考以下配置：

   json

   { "mcpServers": { "graphify": { "type": "stdio", "command": "python", // 或者 .venv/bin/python3 如果你在用虚拟环境 "args": ["-m", "graphify.serve", "graphify-out/graph.json"] } } }

配置完成后，Cursor 就能更直接地和你的知识图谱交互了。希望这些步骤能帮到你，如果遇到问题，可以再随时问我。