A gente vem usando o Claude Code na nossa base de código faz um tempo, e funciona bem, mas percebemos uma coisa que custa nosso tempo e dinheiro sem alarde. Toda vez que a gente abre uma sessão nova, o Claude tem que ler nossos arquivos de novo pra entender como tudo se encaixa antes de ajudar em qualquer coisa de verdade. Ele faz isso repetidamente, porque começa cada sessão sem memória da anterior. Num projeto de tamanho decente, isso soma rápido.

O Graphify é uma ferramenta pequena que resolve isso. Ele monta um mapa estruturado da nossa base de código uma vez, salva, e deixa o Claude ler esse mapa em vez de reler todos os arquivos a cada sessão. A versão curta pra liderança é simples. Significa menos gasto de tokens por sessão, então mais de cada sessão vai pra resolver problemas reais em vez de orientação. Significa que o Claude mantém o contexto arquitetural entre sessões em vez de reaprender toda manhã. E significa assistência mais rápida, mais barata e mais consistente sobre nosso código, com respostas visivelmente melhores quando perguntamos como um sistema se encaixa e por que foi construído daquele jeito. Ele senta em cima do setup de Claude Code que a gente já tem, então não tem plataforma nova pra comprar nem fornecedor novo pra fechar contrato.

Instalando

A coisa toda leva alguns minutos. Você vai precisar de Python 3.10 ou mais novo e o Claude Code já instalado.

Primeiro, instale o pacote. O jeito mais limpo é pipx install graphifyy ou uv tool install graphifyy, porque isso mantém a ferramenta isolada no ambiente dela e evita um erro comum de path do Python que trava muita gente com um pip install puro. Se preferir pip, rode pip install graphifyy && graphify install. Uma observação pra ninguém se confundir: o pacote no PyPI está atualmente escrito com dois y, graphifyy, enquanto o comando que você digita continua graphify.

Depois, monte o grafo. Abra o Claude Code dentro da pasta do projeto e digite /graphify ., com o ponto significando o diretório atual. Ele lê seus arquivos e produz uma pasta chamada graphify-out. Dentro você encontra um grafo interativo que dá pra abrir no navegador, um arquivo de grafo salvo que persiste (então dá pra consultar semanas depois), um relatório destacando as partes importantes e surpreendentes da base de código, e um cache pra que rodadas futuras só reprocessem os arquivos que mudaram.

Aí é só manter atualizado automaticamente. Rode graphify hook install pra adicionar um git hook que atualiza o grafo a cada commit, pra que o mapa fique em dia em vez de ir desviando do real. Se algum dia você atualizar o graphify, rode esse comando de novo, porque ele grava o caminho do interpretador na hora da instalação.

A partir daí, você quase não pensa nisso. Sessões seguintes consultam o grafo salvo em vez de reler a base inteira. O único hábito que vale manter é garantir que o grafo esteja atualizado antes de uma sessão pesada em um repo que se movimenta muito, o que o git hook mais ou menos já faz por você.

A explicação mais longa de por que funciona

Se você quer entender por que isso faz diferença real em vez de aceitar o resumo por fé, ajuda olhar pra onde o Claude está gastando o esforço dele.

Um modelo de linguagem tem uma janela de contexto fixa, que você pode pensar como a quantidade de informação que ele consegue manter em mente ao mesmo tempo. Quando o Claude Code lê seus arquivos pra entender o projeto, toda essa leitura consome parte da janela e parte do seu orçamento de tokens. Num projeto com algumas dezenas de arquivos, se orientar pode queimar um pedaço grande dos tokens antes mesmo de você fazer a pergunta. Isso é caro, e é lento, e o pior de tudo é que acontece a cada sessão, porque o modelo não tem memória do que aprendeu na anterior. Se seu time roda muitas sessões por dia, você está pagando esse custo de orientação de novo e de novo.

O Graphify muda o que o Claude lê. Em vez de arquivos crus, ele monta um grafo de conhecimento, que é uma representação compacta das peças da sua base de código e das relações entre elas. Ele usa parsing próprio do seu código-fonte em várias linguagens de programação pra extrair a estrutura real, então entende funções, módulos e como eles se conectam, não só blocos de texto. Também dá pra puxar coisas além do código, como documentos de design, diagramas e notas, e dobrar tudo dentro do mesmo mapa. O resultado é que o Claude consegue entender a forma do seu projeto lendo algo pequeno e estruturado em vez de algo grande e não estruturado. Os números do próprio projeto colocam isso em algo perto de setenta vezes menos tokens por consulta comparado a ler os arquivos crus. Mesmo que o número real na sua base seja menor, a direção joga a seu favor.

Tem mais dois benefícios que importam no uso diário. O primeiro é persistência. O grafo é escrito em disco, então o entendimento sobrevive entre sessões. O Claude consegue pegar contexto de semanas atrás sem remontar nada, e um cache baseado em fingerprints dos arquivos garante que, quando você remonta, só os arquivos que de fato mudaram são tocados. O segundo é que o grafo captura relações e raciocínio, não só nomes. Ele agrupa partes relacionadas da sua base, aponta as peças densamente conectadas que silenciosamente sustentam tudo, e revela conexões que você poderia não saber que existiam. Essa é a parte que leva a respostas melhores sobre como seu sistema se encaixa e por que decisões foram tomadas, exatamente o tipo de pergunta com que a leitura chapada de arquivos sofre.

Tem também uma salvaguarda de qualidade que vale mencionar pra qualquer um cauteloso em confiar num mapa automatizado. Cada relação no grafo é rotulada pela forma como foi encontrada. Algumas são extraídas direto da sua fonte e são confiáveis. Algumas são inferidas, ou seja, a ferramenta fez um chute razoável e anexou um nível de confiança. E outras são marcadas como ambíguas e separadas pra revisão humana. Então o Claude nunca está tratando silenciosamente um chute como fato, e você sempre consegue ver a diferença.

Duas ressalvas honestas

Duas ressalvas honestas pra manter o pé no chão. O Graphify é uma ferramenta da comunidade, não um produto oficial da Anthropic, então os números impressionantes que você vê citados vêm do autor dela, não de testes independentes. E o grafo é tão preciso quanto a última montagem dele, e é por isso que o git hook automático importa em base ativa. O movimento sensato é rodar um piloto curto em um dos nossos repos reais, medir nosso próprio uso de tokens antes e depois, e deixar esse número decidir o quão amplamente adotamos. Um dado da nossa própria base de código vai ser muito mais convincente do que qualquer manchete de terceiro.

Obrigado ao Maicon por ter me mostrado o valor do Graphify em primeiro lugar.