EXTRACTED ou INFERRED no graphify: como saber em quais ligações do grafo confiar?

Fala aí, beleza? Tem uma diferença que muda tudo na hora de ler um grafo de código: uma coisa é o parser ter LIDO aquela ligação no arquivo, outra bem diferente é um modelo ter deduzido que ela existe

As duas aparecem no mesmo desenho, com a mesma setinha bonita

E aí você olha, acredita, apaga uma função e descobre da pior forma que aquilo era um palpite e não um fato 😅

O graphify resolve isso de um jeito simples: toda aresta do grafo carrega uma marca de proveniência, e são três possíveis, EXTRACTED, INFERRED e AMBIGUOUS

Cada ligação te conta de onde ela veio antes de você decidir qualquer coisa

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 116 aulas
• 4 projetos
• 9h 23min

Conhecer formação

EXTRACTED, INFERRED e AMBIGUOUS lado a lado

Antes de sair rodando comando, vale fixar o que cada rótulo quer dizer na definição oficial:

Repara no detalhe mais honesto da tabela: o AMBIGUOUS existe justamente pra ferramenta marcar incerteza em vez de chutar em silêncio

Isso é raro, viu

A maioria das ferramentas prefere entregar uma resposta lisa e deixar você descobrir sozinho onde ela inventou 🙂

Por que o graphify marca cada aresta em vez de entregar um grafo só

O propósito declarado da proveniência é permitir distinguir fato parseado de julgamento quando o assistente responde percorrendo o grafo

E aqui tá a sacada: toda resposta é um CAMINHO

O assistente sai de um nó, pula pra outro, pula de novo, e monta a explicação em cima desses hops

Se um hop no meio do caminho for um palpite, a resposta inteira herda o palpite sem avisar

Com o rótulo, cada hop da resposta mostra se é fato parseado ou inferência

E de onde vem cada camada?

O grafo estrutural é trabalho puro de AST, roda local e não exige chave de API

Já as passagens semânticas mais ricas (nomear comunidades, modo deep) rodam pela sessão do assistente ou por um backend de modelo configurado

E são exatamente essas que geram as arestas inferidas

Ou seja: o rótulo não é enfeite, ele espelha qual camada produziu aquela ligação

Se você conhece a diferença entre um lint que lê o código e um review que interpreta intenção, é bem esse o espírito

O mapeamento, aliás, cobre 36 linguagens de código, mais docs, SQL e outros formatos

Como ver o rótulo de cada ligação na prática

Bora ver na prática? O caminho é curto

1. Instale a CLI a partir do PyPI

uv tool install graphifyy
# ou
pipx install graphifyy
# ou
pip install graphifyy

O erro comum deste passo: o pacote no PyPI chama graphifyy, com dois "y", mas o comando instalado chama graphify

Quem digita pip install graphify já começa quebrando 😛

2. Registre a skill no assistente

graphify install

Sem argumento, o alvo padrão do graphify install é o Claude Code

3. Construa o grafo DENTRO do assistente

/graphify .

O erro comum deste passo: tentar construir o grafo pelo terminal

A build acontece dentro do assistente, e o projeto é mapeado para a pasta graphify-out/

De lá saem três arquivos: graphify-out/graph.html (o grafo interativo), graphify-out/GRAPH_REPORT.md (relatório de arquitetura) e graphify-out/graph.json (o grafo legível por máquina, que é o que os comandos da CLI leem)

4. Pergunte e leia os rótulos

graphify query "<pergunta>" [--dfs] [--context <c>] [--budget <n>] [--graph <path>]

O graphify query percorre o grafo a partir dos nós que mais casam com a pergunta e imprime o subgrafo como texto

Com caminhos explícitos, citações no formato arquivo:linha e cada aresta marcada como EXTRACTED, INFERRED ou AMBIGUOUS

É aqui que a leitura crítica acontece de verdade

5. Ajuste a saída com os flags que importam

O --budget limita a saída em n tokens, com padrão de 2000 tokens

O --mode deep ativa uma análise multi-passo mais profunda, mais lenta e com MAIS conexões inferidas (então sim, tende a aumentar a proporção de coisa rotulada como julgamento)

E o --update re-escaneia apenas o que mudou desde a última execução, em vez de reconstruir do zero

Quando confiar na aresta e quando ir conferir o arquivo:linha

O rótulo só vale se você mudar de comportamento conforme ele muda

Se liga nos três cenários mais comuns:

Refatorar e apagar código:

Aqui o peso mora no EXTRACTED

É a ligação que o parser encontrou na AST, é fato parseado

Se o caminho até aquela função só passa por arestas inferidas, tu não tem prova de uso, tu tem uma boa suspeita

E apagar código com base em suspeita é receita pros rm -rf da vida 😅

Entender intenção e agrupamento de módulos:

Aqui o INFERRED brilha, mesmo sendo julgamento

Nomear comunidades, entender que um punhado de arquivos forma um subsistema, sacar a divisão de responsabilidade: nada disso tá escrito na AST

A documentação descreve o INFERRED como "geralmente certo", e pra ganhar mapa mental rápido isso é MUITO útil

Só não vira decisão de deleção

Código com dispatch dinâmico, reflexão ou import montado por string:

Esse é o território do AMBIGUOUS

Quando ele aparece, o recado é claro: a ferramenta viu evidência e não conseguiu resolver por completo

Abre a citação arquivo:linha e confere com o olho humano, sem preguiça

E se eu quiser isso dentro do assistente?

Tem servidor MCP também

O servidor MCP do graphify expõe 10 ferramentas sobre o grafo, com profundidade de travessia de 1 a 6, e devolve o MESMO formato de saída do graphify query

Ou seja: citações arquivo:linha e cada aresta marcada

O rótulo te acompanha, não some no caminho

Em quais ligações do grafo confiar, afinal

Veredito honesto: o rótulo não é nota de confiança absoluta, é ORIGEM da evidência

EXTRACTED não quer dizer "100% certo pra sempre", quer dizer "isso o parser leu no código"

INFERRED não quer dizer "errado", quer dizer "um modelo ligou os pontos"

A régua de leitura que dá pra usar sem inventar número nenhum é essa:

• EXTRACTED: sustenta decisão sozinho
• INFERRED: sustenta hipótese, e hipótese boa vira pergunta, não vira commit
• AMBIGUOUS: pede verificação humana no arquivo apontado

Não tem porcentagem publicada de quanto do grafo costuma cair em cada rótulo, então qualquer número que te venderem por aí é achismo

O valor tá em ler hop a hop, não em confiar num placar

E se você tá no começo da carreira e fica na dúvida sobre a hora de dar o próximo passo profissional, tem esse vídeo aqui do canal:

Conclusão

Resumo em uma frase: no graphify, EXTRACTED é o que o parser leu na AST, INFERRED é o que um modelo deduziu e AMBIGUOUS é o que a ferramenta assumiu que não conseguiu resolver, e confundir os três é o jeito mais rápido de tratar dedução como fato

O próximo passo é bem concreto: roda /graphify . no teu projeto, abre uma pergunta com graphify query e lê os rótulos hop a hop ANTES de mexer em qualquer coisa

O projeto vive no repositório Graphify-Labs/graphify e chega como skill /graphify pro Claude Code, Cursor, Codex e Gemini CLI, com parsing AST local determinístico e sem banco vetorial

Testa e me conta o que apareceu de AMBIGUOUS no teu código, aposto que tem surpresa ali 😀

até o próximo post!