Understand-Anything กับ Graphify — map codebase ให้ AI เข้าใจ แต่ต้องเลือก tradeoff ให้ถูก

Understand-Anything และ Graphify เป็นเครื่องมือกลุ่ม codebase knowledge map สำหรับช่วยให้ AI เข้าใจ project ใหญ่ขึ้น แทนที่จะโยนไฟล์ทั้ง repo เข้า context แล้วหวังว่าโมเดลจะจับภาพรวมได้เอง

Understand-Anything สามารถ analyze codebase, สร้าง dashboard, แสดง layer/component relation, สรุปไฟล์ และมี onboarding output เป็น markdown ส่วน Graphify สร้าง graph/wiki และมี workflow ที่เบากว่าในบางมุม

แนวคิดนี้สำคัญกับ Claude, Codex หรือ coding agent อื่น ๆ เพราะ agent มักเสีย token ไปกับการทำความเข้าใจ repo ซ้ำ ๆ

จากแหล่งทดสอบหนึ่งสำนัก Understand-Anything ใช้ token มากกว่าในช่วง generation ของ graph แต่ให้ visualization ที่มนุษย์อ่านง่ายกว่า เห็น parent/child, component tree และคำอธิบายแต่ละส่วนชัดกว่า

Graphify ถูกมองว่าใช้ token น้อยกว่าในบางขั้น และมี local model support ผ่าน backend อย่าง Ollama หรือ Bedrock ซึ่งสำคัญถ้าทีมกังวลเรื่อง privacy หรืออยากให้ code อยู่ใน environment ที่ควบคุมเอง

ทั้งสองตัวมีแนวทาง auto-update เมื่อ codebase เปลี่ยน และช่วย onboarding ได้คนละแบบ: Understand-Anything สรุปเป็น MD ส่วน Graphify สร้าง wiki หลาย article

ฟันธง: เครื่องมือ map codebase น่าลองถ้า repo เริ่มใหญ่และ AI coding agent เสียเวลาถามซ้ำว่าไฟล์ไหนทำอะไร แต่ต้องวัด token และ privacy ก่อนใช้กับ code บริษัท

เริ่มจาก repo ที่ไม่ sensitive ให้ทั้งสองตัวสร้าง map แล้วถามคำถามเดียวกัน เช่น flow การชำระเงินอยู่ตรงไหน หรือ component นี้ถูกเรียกจาก path ใด แล้วเทียบคำตอบ ค่า token และความง่ายในการตรวจ

AI จะช่วย codebase ใหญ่ได้ดีขึ้นเมื่อมันมีแผนที่ที่ตรวจได้ ไม่ใช่ context ก้อนใหญ่ที่มองไม่เห็น Human Gate คือคนที่ตรวจว่า map นี้ถูก อัปเดต และไม่รั่วข้อมูลเกิน policy