39 lines
1.7 KiB
Markdown
39 lines
1.7 KiB
Markdown
---
|
|
description: Roda o graphify no código-fonte (server.py + fcpxml/) e gera o grafo de conhecimento.
|
|
---
|
|
|
|
# Graphify do código
|
|
|
|
Execute o pipeline completo do graphify sobre o código-fonte do projeto
|
|
(`code/server.py` e `code/fcpxml/`), gerando o grafo de conhecimento em `graphify-out/`.
|
|
|
|
## Orientação de execução
|
|
|
|
1. **Verifique o grafo existente**: se `graphify-out/graph.json` já existir e o
|
|
código-fonte não tiver sido alterado, responda "Grafo já construído" e
|
|
ofereça `/graphify query`. Caso contrário, prossiga com uma reconstrução.
|
|
|
|
2. **Alvo**: rode o graphify sobre o código-fonte deste repositório
|
|
(G-ART / fcp-mcp-server): `code/server.py` + `code/fcpxml/`. Siga fielmente o passo
|
|
a passo do skill `graphify`:
|
|
|
|
- Step 1: garantir o interpretador Python + pacote `graphifyy`.
|
|
- Step 2: detectar arquivos do corpus.
|
|
- Step 3: extração estrutural (AST) + semântica (subagentes / Gemini).
|
|
- Step 4-5: construir o grafo, clusterizar (comunidades) e rotular.
|
|
- Step 6: gerar o HTML interativo `graph.html`.
|
|
- Step 9: salvar manifest, custo e relatório `GRAPH_REPORT.md`.
|
|
|
|
3. **Saídas esperadas** em `graphify-out/`:
|
|
- `graph.html` — visualização interativa (abrir no navegador).
|
|
- `GRAPH_REPORT.md` — relatório de auditoria.
|
|
- `graph.json` — dados crus do grafo.
|
|
|
|
4. **Entrega**: mostre do `GRAPH_REPORT.md` apenas as seções "God Nodes",
|
|
"Surprising Connections" e "Suggested Questions". Em seguida ofereça explorar
|
|
a pergunta sugerida mais interessante com `/graphify query`.
|
|
|
|
## Observações
|
|
|
|
- Se o usuário passar um caminho em `$ARGUMENTS`, use esse caminho em vez do padrão.
|
|
- `$ARGUMENTS` opcional: caminho do corpus a ser analisado (padrão o código real). |