🕸️ Grafo de conocimiento sin misterios

En el fondo, todo el curso gira en torno a una estructura sencilla: el grafo. No tiene misterio: es la forma más antigua de dibujar «cosas y cómo se conectan». Piensa en un mapa del metro: cada estación es un punto y cada vía es una línea que conecta dos estaciones. El grafo de Graphify es exactamente eso, solo que en vez de estaciones guarda ideas, y en lugar de rutas guarda relaciones entre ideas.

Dos detalles le dan poder al grafo. El primero es la vecindad: desde un nodo, ves de inmediato quién está conectado a él: sus vecinos directos. El segundo es el grado de un nodo: cuántas aristas salen de él, es decir, con cuántas otras cosas se conecta. Un nodo con grado alto es un cruce concurrido; uno con grado bajo es un callejón. Recuerda estos dos: vuelven en los temas 3 y 4.

↑ Los círculos son nodos; las líneas son aristas. El círculo brillante del centro tiene muchas conexiones (grado alto): es el god node. La línea discontinua rodea un grupo bien conectado: una comunidad. Todo lo que viene a continuación está en esta única figura.

"Nodo" y "arista" son los nombres genéricos. Cuando Graphify analiza realmente tu contenido, les da nombres más específicos: cada nodo se convierte en una entidad y cada arista se convierte en una relación tipada. Es el mismo grafo del tema 1, solo que con vocabulario preciso encima.

Cada entidad y cada relación llevan además una etiqueta invisible: la procedencia — de qué archivo provino aquello. Es lo que permite al agente decir "esto lo leí en hooks.md, línea tal" en lugar de inventar. La procedencia es lo que separa un mapa confiable de una suposición atractiva.

Aquí hay una sutileza de vocabulario que conviene recordar: el video que inspira el curso habla de "conceptos" y "conexiones"; la herramienta, en la práctica, dice "entidades" y "relaciones". Es lo mismo con nombres diferentes. Conocer ambos términos evita que te quedes bloqueado cuando el GRAPH_REPORT.md usar un término y que el video use otro.

Cuando tienes cientos de nodos, te das cuenta de que algunos grupos interactúan mucho entre sí y poco con el resto, como grupos cerrados en una fiesta. Estos grupos tienen un nombre: comunidades. En el diagrama del tema 1, la línea discontinua rodeaba una de ellas. Las comunidades convierten un enredo de puntos en un conjunto de temas legible.

Pero ¿quién decide dónde empieza una comunidad y termina la otra? Un algoritmo, y el que usa Graphify se llama Leiden. No necesitas entender sus matemáticas; necesitas saber que recorre el grafo por su cuenta y devuelve los grupos, sin que tengas que etiquetar nada a mano.

Por dentro, en palabras sencillas, Leiden repite tres pasos hasta que ya no puede mejorar:

¿Recuerdas el nodo brillante en el centro del diagrama? Ese era el god node: la entidad más conectada del grafo, el cruce por donde pasa casi todo. En un grafo de la documentación de Claude Code, "Context Window" suele ser un god node: decenas de otros conceptos apuntan a él.

¿Por qué te importa? Porque los god nodes son los mejores puntos de partida para preguntarle al agente. En lugar de empezar por un concepto oscuro y aislado, empiezas por un hub y dejas que el agente "baje" por el vecindario. Es el equivalente a entrar a una ciudad por la estación central, no por un callejón.

Ahora reunimos todo en una sigla que vas a escuchar mucho: GraphRAG. Para entenderla, primero veamos el «RAG» simple. Cuando un agente necesita responder sobre documentos que no caben en la ventana, búsqueda los fragmentos más relevantes y los pega en el contexto antes de responder. Eso es RAG.

El problema del RAG común: te entrega una montón de fragmentos sin relación entre sí. El modelo recibe páginas sueltas y tiene que adivinar cómo se conectan. El GraphRAG resuelve eso haciendo la recuperación encima del grafo: además de los fragmentos, entrega las relaciones entre ellas: vecindad, comunidad, god nodes. Texto + mapa, no texto suelto.

↑ La misma pregunta, dos respuestas. El RAG común vuelca fragmentos sueltos; GraphRAG entrega el concepto e su entorno. Por eso el mapa responde más rápido y con menos alucinaciones.

Al cerrar el módulo, llega el beneficio práctico. Con el mapa en mano, Claude Code sabe qué está cerca de qué. Preguntas sobre subagentes; en vez de recorrer todo el repositorio con grep, va directo al nodo "Subagentes", lee la vecindad de él —"equipos de agentes", "contexto separado", "orquestación"— y responde en el contexto adecuado.

El beneficio crece con el tamaño del proyecto. En repositorios grandes, leerlo todo es costoso y lento; seguir el mapa es barato y directo. Ese es el argumento de venta de todo el stack: mejores respuestas en bases grandes, porque el agente gasta la ventana de contexto en lo importante, guiado por las relaciones en vez de adivinar.