70% meno token per attività è il primo vantaggio. Il contesto condiviso e cumulativo è il vero punto di forza con OriginTrail e Graphify.
Ogni attività paga la stessa tassa di contesto. L'assistente rilegge gli stessi file, ricostruisce la stessa architettura, riscopre le stesse scelte di dipendenza e rispiega decisioni che un altro agente, o lo stesso team ieri, aveva già compreso.
Questo modello non scala per lo sviluppo software multi-agente reale.
Se ogni agente di codifica parte da zero, aggiungere più agenti moltiplica l'attività ma non la comprensione condivisa. Ottieni esecuzione parallela senza intelligenza accumulata.
Il collo di bottiglia non è più se gli agenti sanno scrivere codice. È se il loro contesto si accumula.
Questo è ciò che cambia con Graphify su @origin_trail DKG v10.
Graphify trasforma i codebase in grafi di conoscenza interrogabili
Graphify non è un altro agente di codifica. È un layer di grafo di conoscenza del codebase per agenti di codifica e sviluppatori umani.
Digita /graphify in Claude Code, Codex, Cursor, OpenClaw, Hermes, Copilot o altri ambienti supportati, e Graphify mappa il progetto in tre output strutturati:
- graph.html — un grafico interattivo
- GRAPH_REPORT.md — un report di architettura leggibile dall'uomo
- graph.json — un grafo interrogabile per assistenti e agenti
Questo grafo abbraccia codice, documenti, PDF, immagini e video. Cattura relazioni di chiamata, import, commenti, logiche e connessioni sorprendenti, ciascuna etichettata con livelli di confidenza come EXTRACTED, INFERRED o AMBIGUOUS.
Ora Graphify si connette con il Grafo di Conoscenza Decentralizzato v10 di OriginTrail.
Invece di far vivere il contesto del progetto solo in file locali o sessioni temporanee di assistenti, la conoscenza generata da Graphify può diventare parte di un grafo di contesto condiviso e verificabile.
Graphify fornisce agli agenti una mappa del codebase. DKG v10 dà a quella mappa memoria condivisa e provenienza.
Dal contesto privato ai grafi di contesto condivisi
Questo si collega direttamente all'idea che ho recentemente delineato: il prossimo cambiamento negli agenti AI non è una memoria più grande, ma un contesto strutturato e condiviso su cui gli agenti possono ragionare insieme.
La stessa direzione è emersa nel nostro recente articolo sulla memoria condivisa: un secondo cervello aiuta una persona a ricordare; un grafo di contesto condiviso aiuta molte persone e agenti a comprendere la stessa realtà.
Graphify porta questa idea nello sviluppo software.
Un repository non è solo una cartella di file. È un sistema vivente di moduli, dipendenze, decisioni, compromessi, questioni aperte, PR, bug, revisioni e storia. Gran parte di quel contesto è sparso.
Graphify lo struttura. DKG v10 lo rende condiviso, persistente e verificabile.
Il futuro non sono agenti con prompt più grandi. Sono agenti che lavorano a partire da grafi di contesto condivisi.
Perché questo fa risparmiare ~70% di token per attività
In un utilizzo misurato su benchmark, Graphify con DKG v10 ha fornito circa il 70% in meno di token per attività.
Quel numero è un risultato di benchmark, non una garanzia universale. Repository, attività e flussi di lavoro diversi varieranno. Ma il meccanismo è semplice.
La maggior parte degli assistenti di codifica brucia token ricaricando il mondo: struttura del repo, file rilevanti, riepiloghi precedenti, note di architettura, cronologia delle issue, commenti nel codice, ragionamenti precedenti. Eseguono ricerche testuali, vecchi strumenti come "grep" e simili per trovare ciò di cui hanno bisogno, bruciando molti token inutilmente. Graphify cambia il modello di accesso utilizzando i grafi.
Invece di infilare contesto generico nel prompt, l'assistente interroga direttamente il grafo del codice:
- il modulo rilevante
- il percorso più breve tra due concetti
- la relazione di dipendenza
- la sezione del flusso di chiamata
- la logica collegata a un file
- la nota di architettura precedente
Meno contesto irrilevante caricato significa meno token consumati. Meno token significa costo inferiore, esecuzione più rapida e meno rumore per il modello su cui ragionare.
Ma il beneficio più profondo è l'accuratezza. Graphify aiuta gli agenti a chiedere il contesto giusto invece di annegare in tutto il contesto.
70% meno token è ciò che accade quando gli agenti smettono di rileggere il repo e iniziano a interrogare il grafo.
Ogni grafo diventa memoria di team riutilizzabile
Il valore strategico non è solo il risparmio di token. È l'accumulo.
Graphify incoraggia già i team a fare commit di graphify-out/ in modo che tutti partano da una mappa condivisa del progetto. DKG v10 estende questa logica oltre un artefatto di repo locale, trasformandola in un livello di conoscenza condiviso.
Una revisione del codice diventa più di un thread di commenti: diventa un contesto di rischio riutilizzabile.
Una decisione architetturale diventa più di un messaggio su Slack: diventa un nodo collegato a file, moduli, dipendenze e logiche.
Un'indagine su un bug diventa più di una issue chiusa: diventa un precedente per il prossimo agente che debuggherà un errore simile.
Una query di Graphify diventa più di una risposta una tantum: diventa parte della memoria in evoluzione del progetto.
Il prossimo assistente non parte da zero. Il prossimo revisore umano non riscopre l'intento progettuale. Il prossimo contributore non ripete lo stesso lavoro di raccolta del contesto.
Ogni sessione utile rende la sessione successiva più economica, più rapida e meglio informata.
Agenti e umani condividono lo stesso substrato
I team software hanno già molti sistemi di memoria parziale. Git memorizza le modifiche. Le issue memorizzano le attività. I documenti memorizzano l'intento, a volte. Le chat memorizzano le decisioni, se qualcuno riesce a trovarle. La CI memorizza esito positivo/negativo. Gli strumenti di revisione del codice memorizzano il feedback.
Questi sistemi sono frammentati. Gli agenti devono strisciare attraverso di essi, riassumerli e sperare che i pezzi giusti si adattino alla finestra di contesto.
Graphify su DKG v10 crea un substrato condiviso in cui agenti e umani lavorano a partire dallo stesso contesto strutturato.
Un assistente può interrogare il grafo delle chiamate. Un altro può ispezionare i moduli impattati. Un altro può rivedere il rischio delle dipendenze. Un umano può aprire il report del grafo e ispezionare la traccia del ragionamento. Il team preserva ciò che è stato appreso invece di perderlo quando la sessione termina.
È qui che la codifica multi-agente diventa più di un prompting parallelo. Diventa coordinamento attraverso una memoria software condivisa e affidabile.
Il futuro della codifica non è un agente gigante. Sono molti agenti e umani che lavorano a partire dallo stesso contesto verificato.
Perché la decentralizzazione è importante
Se la memoria software diventa un'infrastruttura critica, non dovrebbe rimanere intrappolata all'interno di un singolo fornitore.
I team hanno bisogno di conoscenza del progetto che sia possedibile, portatile, consapevole della provenienza e utilizzabile su framework di agenti. Ecco perché DKG v10 è importante.
Il Grafo di Conoscenza Decentralizzato di OriginTrail fornisce le fondamenta per grafi di contesto condivisi con memoria strutturata, provenienza e asset di conoscenza verificabili. Il contesto può muoversi tra strumenti, assistenti, team e flussi di lavoro senza perdere la sua fonte o il suo significato.
Il modello di memoria DKG fornisce anche una struttura di fiducia per la collaborazione tra agenti:
- La Memoria di Lavoro supporta l'esplorazione locale
- La Memoria Condivisa espone il contesto a livello di team
- La Memoria Verificabile preserva conoscenza più solida e convalidata
Gli agenti possono ragionare non solo su ciò che è stato trovato, ma da dove proviene, chi lo ha contribuito e quanta fiducia ha guadagnato.
TRAC supporta l'ecosistema OriginTrail dietro questa infrastruttura, consentendo alla conoscenza di essere creata, condivisa, protetta e riutilizzata attraverso sistemi decentralizzati.
Gli agenti AI affidabili hanno bisogno di più dell'accesso ai file. Hanno bisogno di contesto condiviso con provenienza.
Dalle mappe del codice all'intelligenza software collettiva
La prima ondata di agenti di codifica ha dimostrato che gli LLM possono scrivere codice utile. La prossima ondata riguarda il coordinamento.
Graphify mappa il codebase. DKG v10 trasforma quella mappa in memoria condivisa e verificabile. Agenti e umani costruiscono sullo stesso contesto invece di ricostruirlo ripetutamente.
Questo è il passaggio dall'assistenza isolata all'intelligenza software collettiva.
Il beneficio immediato è pratico: circa il 70% in meno di token per attività nei benchmark misurati.
Il beneficio più ampio è strutturale: ogni codebase mappato, ogni query utile, ogni traccia di decisione e ogni insight di revisione diventano parte di un grafo di contesto cumulativo.
Questa è la differenza tra agenti che lavorano vicini tra loro e agenti che imparano insieme.
Graphify su DKG v10 trasforma il contesto software in infrastruttura condivisa.
Prova Graphify, esplora DKG v10 e unisciti alla costruzione di agenti AI e sviluppatori che lavorano a partire da conoscenza condivisa e verificabile.
Puoi anche estendere le capacità del DKG di OriginTrail e essere ricompensato. Dai un'occhiata al programma di bounty:
Una nuova versione è proprio dietro l'angolo con tutte le chicche - provala.
👉https://github.com/OriginTrail/dkg
Unisciti al red team qui:
