rootly-graphify

基于 graphify 构建，该工具受 Andrej Karpathy 的 LLM Wiki 概念 启发——与其每次查询时从头重新发现知识，不如让 LLM 构建一个持久、结构化的知识图谱，随着时间推移而不断丰富。Graphify 可将任意文件夹中的文件转化为一个可查询的图，包含社区、连接和置信度评分。此分支将其指向 Rootly API。

连接 Rootly API，收集指定时间窗口内的事件、告警、团队和服务目录，将其导出到本地语料库，然后将该语料库转化为可查询的知识图谱。使用 graphify rootly 进行收集，在 Claude Code 或 Codex 中使用 /graphify 进行更深层次的语义分析。

安装

全新安装（Graphify + Rootly 导入器）：

pip install "graphifyy[rootly]"
graphify install            # Claude Code
graphify install --platform codex  # Codex

为现有 Graphify 安装添加 Rootly 导入器：

pip install "graphifyy[rootly]" --upgrade

设置你的 Rootly API 密钥

在项目根目录创建 .env 文件：

ROOTLY_API_KEY=rootly_...

运行工作流

步骤 1：获取和构建（终端）

获取事件、触发的告警和团队。使用严重级别颜色、告警过滤器和团队/服务层构建初始图谱。

graphify rootly

非交互式：

graphify rootly --api-key-env ROOTLY_API_KEY --days 30 --mode standard

输出写入 graphify-rootly-data/graphify-out/：

• graph.html — 在浏览器中打开以探索图谱
• GRAPH_REPORT.md — 神节点、社区、建议问题
• graph.json — 用于查询的原始图谱

步骤 2：添加语义含义（代理）

在事件语料库上并行运行子代理，推断跨事件主题、重复模式和根因关系。

Claude Code — 在聊天中输入：

/graphify graphify-rootly-data --mode deep

Codex — 在聊天中输入：

run graphify on graphify-rootly-data --mode deep

你可以探索的模式

收集的内容

可视化过滤器

一旦在浏览器中打开 graph.html：

• 团队 — 将所有节点过滤到特定团队的事件和服务
• 严重级别 — 显示/隐藏 SEV1–SEV4
• 事件 — 所有事件或仅打开的事件
• 告警 — 已触发（默认开启）/ 孤儿（默认关闭，未收集）
• 时间范围 — 滑块，用于缩小事件窗口

工作原理

rootly-graphify 包含 Rootly 收集阶段和图谱分析阶段。

1. 确定性 Rootly 收集。 验证 API 密钥，选择 7、30 或 90 天窗口，获取 started_at 落在该窗口内的事件，通过每个事件下的子资源获取其触发的告警，获取所有团队数据，并将所有内容写入本地语料库目录。

2. 初始 Rootly 图谱构建。 内置的 Rootly 运行器为事件、告警、团队和服务创建节点，用类型化边（triggered、affects、owns、responded_by、targets）将它们连接起来，对图进行聚类，然后写入 graph.html、GRAPH_REPORT.md 和 graph.json。HTML 包含严重级别颜色编码、团队/服务层和告警过滤器。

3. 可选深度丰富。 运行 /graphify ./graphify-rootly-data --mode deep 可在 markdown 文件上派发并行子代理，推断跨事件主题、推理和概念连接。

4. 使用当前顶级输出。 语义丰富后，打开 graphify-out/graph.html。当前通用导出器已直接包含维护的过滤器和可视化，因此无需单独的重新应用步骤。

聚类基于图谱拓扑结构——无需嵌入。 Leiden 算法通过边密度发现社区。语义相似性边（semantically_similar_to，标记为 INFERRED）直接影响社区检测。无需单独的嵌入步骤或向量数据库。

每个关系都标记为 EXTRACTED（直接从源中找到）、INFERRED（合理推断，带有置信度评分）或 AMBIGUOUS（需要审查）。

你得到的结果

神节点 — 度最高的事件或服务（所有内容都通过它们连接）

令人惊讶的连接 — 按综合评分排序的跨事件链接，每条带有通俗易懂的解释

建议问题 — 4–5 个该图谱特别适合回答的关于你事件历史的问题

置信度评分 — 每条 INFERRED 边都有一个 confidence_score（0.0–1.0）。EXTRACTED 边始终为 1.0。

语义相似性边 — 没有结构连接的概念性跨事件链接。两个由相同根模式引起但共享不同服务或团队的事件。

Token 效率 — 首次运行提取并构建图谱（消耗 token）。随后的每次查询读取紧凑的图谱而非原始 markdown——这是节省成本的地方。SHA256 缓存确保重新运行时仅重新处理更改过的文件。

用法

# --- Rootly 工作流（终端） ---
graphify rootly                                        # 交互式 Rootly 导入流程
graphify rootly --days 30                              # 收集最近 30 天的事件
graphify rootly --api-key-env ROOTLY_API_KEY           # 从环境变量非交互式查找密钥
graphify rootly --output ./my-rootly-corpus            # 将语料库写入自定义文件夹

# --- 语义丰富（代理：Claude Code / Codex） ---
/graphify ./graphify-rootly-data                       # 分析 Rootly 语料库
/graphify ./graphify-rootly-data --mode deep           # 更激进的 INFERRED 边
/graphify ./graphify-rootly-data --update              # 仅重新提取更改过的文件

# --- 查询图谱（代理） ---
/graphify query "which services have the most recurring incidents?"
/graphify query "what patterns connect the SEV1 incidents?"
/graphify path "payment-api" "auth-service"
/graphify explain "Incident: Database connection pool exhausted"

# --- 可选导出 ---
/graphify ./graphify-rootly-data --wiki                # 每个社区的可供代理抓取的维基
/graphify ./graphify-rootly-data --no-viz              # 跳过 HTML，仅报告 + JSON
/graphify ./graphify-rootly-data --obsidian            # Obsidian 仓库

# --- 始终开启的助手指令 ---
graphify claude install                                # CLAUDE.md + PreToolUse 钩子（Claude Code）
graphify codex install                                 # AGENTS.md（Codex）

在新数据上重新运行

# 获取新数据并重新构建
graphify rootly --api-key-env ROOTLY_API_KEY --days 30 --mode standard

# 使用语义步骤重新丰富（Claude Code）
/graphify graphify-rootly-data --update