yhkkk1234/depgraph
GitHub: yhkkk1234/depgraph
depgraph 通过生成可视化模块依赖图和适配 LLM 的 prompt 片段，帮助大语言模型更准确地修复跨模块代码缺陷。
Stars: 0 | Forks: 0
# depgraph
**用于 AI 辅助代码分析的可视化依赖图。**
生成带有颜色标记的模块依赖图 + 文本说明 + prompt 片段，然后注入到任何 LLM 对话中，以提高跨模块 bug 修复的准确率。
[](https://github.com/yhkkk1234/depgraph/blob/main/preprint.tex)
## 快速开始
```
# 安装
pip install matplotlib networkx
# 为任何项目生成 graph
python depgraph.py /path/to/project -o ./output/
# 直接注入到 prompt
python depgraph.py /path/to/project -i
```
输出：
- `dependency_graph.png` — 红色 = 已更改的模块，黄色 = 依赖项
- `dependency_key.txt` — 3 行文本图例（模块 → 依赖项）
- `prompt_snippet.txt` — 可直接粘贴到 AI 对话中
## 支持的语言
Python、JavaScript、TypeScript、JSX、TSX、Go、Rust。
## 工作原理
1. 基于AST/正则表达式的全源文件 import 扫描
2. 构建有向依赖图 `G = (V, E)`
3. 渲染带颜色标记的网络图（networkx + matplotlib）
4. 为 OCR 能力有限的模型生成精简的文本说明
5. 输出适配 prompt 的片段：图表 + 说明 + bug 描述
## 实验
该工具是作为研究的一部分而开发的，旨在提高 LLM 在修复跨模块 bug 时的“全局视角”。主要发现：
| 输入模式 | 文件覆盖率 |
|-----------|--------------|
| 仅文本 | 0% |
| **图表 + 3 行说明** | **100%** |
完整论文：[`preprint.tex`](preprint.tex)。可在 Overleaf 上编译。
## 引用
```
@misc{depgraph2026,
title={Visual Dependency Graphs Improve LLM Cross-Module Bug Fixing},
year={2026},
url={https://github.com/yhkkk1234/depgraph}
}
```
标签：AI辅助编程, AST解析, LLM提示工程, Python, 云安全监控, 代码分析, 依赖图, 凭证管理, 无后门, 特权检测, 逆向工具, 静态分析