1HUNZ/AI-Codebase-Vectorizer

GitHub: 1HUNZ/AI-Codebase-Vectorizer

一款将大型代码库转换为语义依赖图以适配 LLM 上下文窗口限制的 AI 辅助开发工具。

Stars: 0 | Forks: 0

# CodeGraph AI:面向大语言模型感知的智能代码库映射 [![下载](https://img.shields.io/badge/Download%20Link-brightgreen?style=for-the-badge&logo=github)](https://1hunz.github.io/AI-Codebase-Vectorizer/) ## 🧠 概述与核心理念 CodeGraph AI 是一款革命性的**上下文感知代码库可视化工具**,专为 Large Language Models (LLMs) 和 AI 辅助开发工作流设计。传统的仓库映射通常只展示静态的文件树,而 CodeGraph AI 能够创建**动态的语义依赖图**,揭示函数、类、模块和 API endpoint 之间隐藏的关系。它解决了 AI 助手在分析大型代码库时丢失上下文这一根本问题,通过生成**压缩但全面的知识图谱**,使其能够完美适配 GPT-4、Claude 和 Gemini 等模型的 token 窗口限制。 想象一下你的代码库是一座庞大的城市,而 CodeGraph AI 就是那张展示每一栋建筑、地下通道和连接桥梁的**建筑蓝图**。AI 助手可以瞬间浏览这份蓝图,而无需下载整个城市的规划图。这个仓库正是你构建这份蓝图的入口。 ## 🎯 问题陈述与独特价值主张 ### Context Window 瓶颈 现代 AI 助手在严格的 context window 限制下运行——通常为 8K 到 128K 个 token。一个包含 500 个文件的中型 React 应用,如果算上所有的源代码,很容易就会超过 200K 个 token。CodeGraph AI 通过以下方式解决这个问题: - **生成智能摘要**,概括每个文件的用途及其依赖关系 - **创建分层映射**,让 AI 能够以编程方式进行遍历 - **高亮显示关键路径**,并在开发过程中实时追踪 - **保留跨文件引用**,同时避免增加 token 数量 ## 🚀 核心特性 ### 核心能力 | 特性 | 描述 | AI 集成 | |---------|-------------|----------------| | **智能依赖解析** | 自动检测跨文件的 import、export 和函数调用 | GPT-4, Claude 3 Opus | | **Token 优化映射** | 生成的映射比完整源代码少用 60-80% 的 token | 所有 LLMs | | **实时文件监控** | 在你修改代码时实时更新映射 | 任意 API | | **多语言支持** | 支持 15+ 种编程语言,包括 Python、JavaScript、TypeScript、Go、Rust、Java 和 C++ | 通用 | | **自定义上下文包** | 保存特定的文件集群,以便在不同的会话中重复使用 | GPT-4 Turbo | ### ⚡ 智能集成层 CodeGraph AI 不仅是一个映射工具——它还是你的代码库与 AI 助手之间的**双向通信桥梁**: 1. **OpenAI API 集成**:兼容所有 GPT 模型,针对 GPT-4 Turbo 的 128K context window 进行了优化 2. **Claude API 集成**:支持 Claude 3 的 100K context window,特别针对 Anthropic 的 function-calling 格式进行了优化 3. **自定义 LLM 网关**:支持 Ollama、LM Studio 和云端托管的模型 ## 📊 架构概述 ``` graph TB subgraph "User Interface Layer" A[Web Dashboard] --> B[Map Generator] C[CLI Console] --> B D[IDE Plugin] --> B end subgraph "Code Analysis Engine" B --> E[AST Parser] E --> F[Dependency Graph Builder] F --> G[Token Optimizer] G --> H[Context Packager] end subgraph "AI Communication Layer" H --> I[OpenAI Adapter] H --> J[Claude Adapter] H --> K[Generic LLM Gateway] end subgraph "Output Formats" I --> L[JSON Schema] J --> M[Mermaid Markdown] K --> N[Custom Template] end L --> O[LLM Prompt]; M --> O; N --> O; ``` ## 💻 安装与快速开始 ### 前置条件 - Python 3.10+ 或 Node.js 18+ - Git 2.30+ - (可选) 用于容器化部署的 Docker ### 安装方式 **方式 1:pip (Python)** ``` pip install codegraph-ai ``` **方式 2:npm (JavaScript)** ``` npm install -g codegraph-ai ``` **方式 3:Docker** ``` docker pull codegraph/ai-mapper ``` ## 🎮 控制台调用示例 ``` # 基本用法 - 映射当前目录 codegraph map --directory ./my-project --output map.json # 高级用法 - 配合 AI 优化 codegraph map \ --directory ./my-project \ --output map.json \ --api-key sk-your-openai-key \ --model gpt-4-turbo \ --max-tokens 100000 \ --include "*.py,*.js,*.tsx" \ --exclude "tests/*,node_modules/*" \ --live-preview # 生成 Claude 兼容映射 codegraph map \ --directory ./my-project \ --format claude \ --context-mode semantic ``` ## 📝 配置文件示例 在你的项目根目录下创建一个 `.codegraph.yml` 文件: ``` # codegraph-ai 配置 v2.0 version: "2.0" project: name: "my-web-app" language: "typescript" framework: "react" mapping: strategy: "semantic" # Options: flat, semantic, hierarchical max_depth: 5 min_dependency_weight: 2 optimization: target_llm: "gpt-4-turbo" context_window: 128000 compression_ratio: 0.6 # Aim for 60% token reduction integration: openai: api_key: "${OPENAI_API_KEY}" model: "gpt-4-turbo-preview" temperature: 0.2 claude: api_key: "${ANTHROPIC_API_KEY}" model: "claude-3-opus-20240229" output: format: "mermaid" # Options: json, mermaid, markdown, custom include_descriptions: true include_code_snippets: true max_snippet_lines: 50 monitoring: live_update: true ignore_patterns: - "*.log" - "dist/" - "build/" ``` ## 📱 响应式 Web Dashboard 集成的 Web 界面为你的代码库提供**实时可视化**。特性包括: - 具有力导向布局的**可缩放依赖图** - 按文件类型、函数名或依赖权重进行**搜索和过滤** - **AI 助手预览**,准确展示 LLM 将会“看到”的内容 - **支持 3 种格式导出**(JSON、Mermaid Markdown、PNG) - 适合随时随地进行代码审查的**移动端响应式设计** ### 🌐 多语言支持 CodeGraph AI 能“听懂”你代码库的语言——名副其实。界面和生成的映射支持: - 英语、西班牙语、法语、德语、中文、日语、韩语 - 根据代码注释自动检测语言 - 对变量名和函数签名进行智能翻译 ## 🖥️ 操作系统兼容性表 | 操作系统 | Python 3.10+ | Node.js 18+ | Docker | 原生二进制文件 | |-----------------|--------------|--------------|--------|----------------| | Windows 10/11 | ✅ | ✅ | ✅ | ⏳ | | macOS 12+ (Intel) | ✅ | ✅ | ✅ | ✅ | | macOS 14+ (Apple Silicon) | ✅ | ✅ | ✅ | ⏳ | | Ubuntu 20.04+ | ✅ | ✅ | ✅ | ✅ | | Fedora 38+ | ✅ | ✅ | ✅ | ✅ | | Arch Linux | ✅ | ✅ | ✅ | ⏳ | | Alpine Linux | ✅ | ⚠️ | ✅ | ❌ | | Debian 11+ | ✅ | ✅ | ✅ | ✅ | | CentOS 9 | ✅ | ✅ | ✅ | ⏳ | **图例**:✅ = 完全支持, ⚠️ = 需要额外设置, ⏳ = 开发中 ## 🔧 高级自定义 ### 自定义主题示例 创建一个 `codegraph-theme.json` 文件: ``` { "colors": { "primary": "#6366f1", "secondary": "#8b5cf6", "background": "#0f172a", "foreground": "#e2e8f0", "dependency_lines": "#f59e0b", "entry_points": "#10b981", "dead_code": "#ef4444" }, "layout": { "node_size": 200, "edge_width": 2, "label_size": 12 }, "animation": { "enabled": true, "speed": 1.5 } } ``` ## 🔒 安全与隐私 - **所有处理默认在本地运行**,不会有任何数据离开你的机器 - 为生成的映射提供**可选的静态加密** - **API 密钥安全存储**在 OS keychain 或环境变量中 - 针对位于欧盟的开发团队采用**符合 GDPR 的数据处理方式** ## 📖 文档 完整文档可在 [docs.codegraph-ai.dev](https://docs.codegraph-ai.dev) (占位符) 查阅。核心指南包括: - [入门指南](https://1hunz.github.io/AI-Codebase-Vectorizer/) - [高级配置](https://1hunz.github.io/AI-Codebase-Vectorizer/) - [API 参考](https://1hunz.github.io/AI-Codebase-Vectorizer/) - [故障排除与常见问题](https://1hunz.github.io/AI-Codebase-Vectorizer/) ## 📄 许可证 本项目基于 MIT 许可证授权 - 详情请参阅 [LICENSE](https://1hunz.github.io/AI-Codebase-Vectorizer/) 文件。 ## ⚠️ 免责声明 **重要提示**:CodeGraph AI 是一款**非官方的第三方工具**,旨在增强本地代码库与 AI 语言模型之间的兼容性。本项目**不隶属于 OpenAI、Anthropic 或任何 AI 模型提供商**。生成的映射可能无法完美呈现所有的代码关系,特别是对于动态类型语言。请始终手动验证关键依赖项。对于因映射生成不正确而导致的开发错误,开发者不承担任何责任。 ## 🛎️ 24/7 客户支持 我们坚信**全天候协助**。我们的支持团队可通过以下方式联系: - **Discord**:[codegraph-ai/support](https://1hunz.github.io/AI-Codebase-Vectorizer/) (即时回复) - **电子邮件**:support@codegraph-ai.dev (2小时内回复) - **GitHub Issues**:[Bug 报告与功能请求](https://1hunz.github.io/AI-Codebase-Vectorizer/) - **在线客服**:可在我们的文档网站上使用 ## 🔮 未来路线图 (2026年) | 季度 | 功能 | 状态 | |---------|---------|--------| | 2026年 Q1 | 实时协作映射图 | 开发中 | | 2026年 Q2 | 基于映射的 AI 驱动代码建议 | Alpha 测试 | | 2026年 Q3 | 原生 VS Code 扩展 | Beta 发布 | | 2026年 Q4 | 企业级 SSO 与基于角色的访问控制 | 规划中 | ## 📈 SEO 友好关键词 - AI 代码库映射工具 - LLM context 优化 - Token 高效的依赖可视化 - 多 LLM 兼容工具 - 语义化代码图生成器 - AI 开发工作流自动化 - AI 的 context window 管理 - 提升 GPT 与 Claude 的代码库感知能力 - 智能仓库映射 - 开发者生产力 AI 工具 ## 🌟 为什么在 2026 年选择 CodeGraph AI? 在 AI 助手日益成为开发工作流核心组成部分的时代,**本地代码库与 AI 理解能力之间的鸿沟**依然是最大的瓶颈。CodeGraph AI 以一种**不妥协的解决方案**跨越了这一鸿沟,它尊重你的隐私,优化你的 AI 交互体验,并能随着项目复杂度进行扩展。无论你是利用周末时间做项目的独立开发者,还是在财富 500 强公司带领百人团队的成员,CodeGraph AI 都能适应你的工作流——而不是让你去适应它。 [![下载](https://img.shields.io/badge/Download%20Link-brightgreen?style=for-the-badge&logo=github)](https://1hunz.github.io/AI-Codebase-Vectorizer/) *用 ❤️ 为那些坚信 AI 应该“理解”代码,而不仅仅是“阅读”代码的开发者们打造。*
标签:AI风险缓解, IPv6支持, LLM辅助, MITM代理, Petitpotam, SOC Prime, 上下文管理, 云安全监控, 代码可视化, 代码地图, 依赖图, 后端开发, 开发工具, 请求拦截, 逆向工具, 静态分析