Graphify: Ubah Vault Obsidian Jadi Knowledge Graph

Vault Obsidian yang isinya ratusan file Markdown lama-lama jadi tumpukan catatan yang sulit dijelajah. Graphify mengubah tumpukan itu jadi knowledge graph — peta hubungan antar topik, project, dan keputusan yang otomatis terupdate setiap ada catatan baru.

Masalah: Vault yang Makin Besar, Makin Sulit Dinavigasi

Setelah beberapa bulan, vault Obsidian gua berisi catatan project, agent definition, memory log, decision record — semuanya saling terkait tapi tidak ada cara cepat untuk lihat "apa hubungannya topik A dengan topik B" tanpa buka satu-satu file dan baca manual.

Graphify menyelesaikan ini dengan parsing semua file Markdown di vault, ekstrak entitas dan relasi di antaranya, lalu render sebagai graph visual yang bisa dijelajah.

Cara Install Graphify

Graphify berjalan sebagai service tambahan di docker-compose yang sama dengan Hermes dan n8n (lihat setup awal VPS):

services:
  graphify:
    image: graphify/graphify:latest
    container_name: graphify
    restart: unless-stopped
    volumes:
      - ./vault:/app/vault:ro
      - ./graphify/providers.json:/app/providers.json:ro
      - graphify-data:/app/data
    networks:
      - internal

volumes:
  graphify-data:

Vault di-mount sebagai read-only — Graphify hanya membaca, tidak pernah menulis ke vault lo.

Konfigurasi providers.json

File providers.json menentukan model AI yang dipakai Graphify untuk ekstraksi entitas dan relasi dari teks Markdown:

{
  "provider": "openai-compatible",
  "baseUrl": "http://9router:9000/v1",
  "apiKey": "${LLM_API_KEY}",
  "model": "anthropic/claude-haiku-4-5",
  "extraction": {
    "batchSize": 10,
    "minConfidence": 0.6
  }
}

Karena sudah ada 9router sebagai LLM router, Graphify cukup diarahkan ke endpoint internal 9router — tidak perlu API key terpisah. Pakai model yang murah dan cepat (seperti Haiku) untuk ekstraksi, karena task ini dijalankan berulang dan tidak butuh reasoning mendalam.

Cara Kerja Ekstraksi

1. Graphify scan semua file .md di vault
2. Setiap file dipecah jadi chunk, dikirim ke model untuk ekstraksi entitas (orang, project, tools, konsep) dan relasi antar entitas
3. Hasil ekstraksi disimpan sebagai graph (nodes + edges) di database internal Graphify
4. Graph bisa diakses lewat web UI untuk eksplorasi visual

Automasi dengan Cron

Supaya graph selalu up-to-date tanpa trigger manual, jadwalkan re-index berkala via cron di host VPS:

# crontab -e
# Re-index Graphify setiap jam 2 pagi
0 2 * * * docker exec graphify graphify reindex --incremental

Mode --incremental hanya memproses file yang berubah sejak index terakhir — jauh lebih cepat dibanding full reindex, dan menghemat biaya LLM karena tidak mengulang ekstraksi untuk file yang tidak berubah.

Mengakses Graph via Caddy

Untuk akses web UI Graphify dari browser, tambahkan subdomain di Caddyfile yang sudah ada (lihat konfigurasi Caddy di panduan instalasi):

graph.namadomainanda.com {
    reverse_proxy graphify:8080
}

Jangan lupa proteksi dengan basic auth atau VPN kalau graph berisi informasi sensitif — Graphify sendiri tidak punya built-in auth.

Manfaat Praktis Sehari-hari

• Lihat koneksi tersembunyi: ternyata project A dan project B pernah pakai approach yang sama — graph menunjukkan ini meski tidak ada link manual antar catatan.
• Onboarding diri sendiri ke project lama: buka node project, langsung lihat semua entitas terkait — orang, tools, keputusan — tanpa scroll riwayat chat.
• Hermes bisa query graph: dengan tool tambahan, Hermes bisa cari "semua catatan terkait X" lewat graph, lebih presisi dibanding full-text search biasa.

Keterbatasan

Kualitas graph bergantung kualitas catatan di vault — kalau catatan ditulis singkat dan tanpa konteks, ekstraksi entitas juga akan dangkal. Ekstraksi pakai LLM berarti ada biaya per reindex, meski dengan mode incremental dan model murah biayanya kecil. Dan graph adalah representasi otomatis — kadang relasi yang diekstrak tidak akurat 100%, jadi tetap perlu dibaca sebagai "petunjuk", bukan kebenaran absolut.

Kapan Worth Setup

Kalau vault lo masih di bawah 50 file, Graphify mungkin overkill — pencarian manual masih cukup. Tapi begitu vault tumbuh jadi ratusan file dengan banyak project paralel, graph jadi alat navigasi yang signifikan menghemat waktu, terutama untuk agent-agent Wayang System yang perlu cari konteks lintas-domain dengan cepat.