เครื่องมือที่เน้นการตรวจสอบโค้ด AI โดยใช้กราฟเป็นหลัก
code-review-graph ซึ่งพัฒนาโดย Tirth8205 เป็นเครื่องมือปัญญาประดิษฐ์ที่มุ่งเน้นในท้องถิ่นและเซิร์ฟเวอร์ MCP ที่ช่วยลดการบวมของบริบท AI ในระหว่างการตรวจสอบโค้ด มันจะวิเคราะห์ที่เก็บข้อมูลให้เป็นแผนที่โครงสร้างที่คงที่ เพื่อให้โมเดลอ่านเฉพาะส่วนที่เกี่ยวข้องสำหรับการวิเคราะห์ที่แม่นยำและการปรับปรุง ความสามารถหลักรวมถึงการวิเคราะห์กราฟ การรวมเข้ากับโปรแกรมแก้ไข และเครื่องมือแสดงผลเชิงโต้ตอบสำหรับการสำรวจความสัมพันธ์ วิศวกรซอฟต์แวร์ที่ใช้ผู้ช่วยการเขียนโค้ด AI จะได้รับการตรวจสอบที่รวดเร็วและมีเป้าหมายมากขึ้น รวมถึงการใช้โทเคนที่ต่ำลงในฐานข้อมูลโค้ดขนาดใหญ่
แยกพจนานุกรมออกเป็นกราฟโค้ดที่มีความแม่นยำสูง
เครื่องมือใช้ Tree-sitter เพื่อแยกไฟล์ต้นทางออกเป็นกราฟที่คงอยู่ของฟังก์ชัน, คลาส และความสัมพันธ์ในการเรียกใช้, ผลิตแผนที่โครงสร้างแทนที่จะเป็นรายการไฟล์แบบแบน มันรองรับ Python, TypeScript, JavaScript และ Go, และมีคำสั่งการแสดงผล HTML แบบโต้ตอบเพื่อสำรวจโหนดและขอบในเบราว์เซอร์, ทำให้โครงสร้างของที่เก็บสามารถสำรวจได้ในระหว่างการตรวจสอบสถาปัตยกรรมหรือการดีบักที่มุ่งเป้าไปยังเซสชัน.
มุ่งเป้าไปที่บริบท AI โดยการติดตามรัศมีการเปลี่ยนแปลง
เซิร์ฟเวอร์ MCP เปิดเผยเครื่องมือเฉพาะทางมากกว่าสิบตัวที่ตัวแทนสามารถเรียกใช้เพื่อทำการวิเคราะห์รัศมีการระเบิด, ติดตามผู้เรียกและผู้ที่พึ่งพาเพื่อให้โมเดลอ่านเฉพาะโมดูลที่จำเป็น ผู้ใช้รายงานการลดการใช้โทเค็นได้ถึงแปดเท่าสำหรับการตรวจสอบ การอัปเดตแบบเพิ่มขึ้นในทุกการบันทึกไฟล์หรือการคอมมิต git จะทำให้ดัชนีทันสมัย และการออกแบบที่เน้นท้องถิ่นจะแยกพจนานุกรมออกในท้องถิ่นดังนั้นโค้ดต้นทางจะไม่ออกจากเครื่องของนักพัฒนา.
ติดตั้งในเวิร์กโฟลว์ที่มีอยู่แต่คาดหวังโฮสต์ MCP และ Python
การติดตั้งทำงานจากผู้จัดการแพ็คเกจ Python มาตรฐานด้วยคำสั่งเช่น 'pip install' หรือการเรียกใช้ตัวเปิด 'uvx', และขั้นตอน 'ติดตั้ง' จะกำหนดค่าตัวแก้ไขที่รองรับโดยอัตโนมัติ เครื่องมือทำงานเป็น CLI ข้ามแพลตฟอร์มและเซิร์ฟเวอร์ MCP และต้องการ Python 3.10 หรือสูงกว่า มันรวมเข้ากับโฮสต์ที่สอดคล้องกับ MCP เช่น Claude Desktop และ Cursor, ดังนั้นทีมจึงต้องใช้ตัวแก้ไข AI ที่เข้ากันได้เพื่อเข้าถึงเครื่องมือด้านเซิร์ฟเวอร์.
เหมาะสมสำหรับทีมที่มองหาเครื่องมือที่ได้รับการสนับสนุนจากชุมชนและดูแลโดยท้องถิ่น
นักพัฒนารักษาโครงการนี้ในฐานะความพยายามแบบโอเพนซอร์สและข้อเสนอแนะแบบชุมชนเน้นถึงประสิทธิภาพในการแก้ไขปัญหา 'grep loop' การรวมกันนั้นทำให้เครื่องมือเป็นผู้สมัครที่เชื่อถือได้สำหรับทีมที่ประเมินกระบวนการตรวจสอบที่ใช้ AI สำหรับการใช้งานจริง ให้ถือว่าผลลัพธ์เป็นคำแนะนำที่มุ่งสู่ผู้พัฒนาและตรวจสอบข้อเสนอแนะอัตโนมัติด้วยการตรวจสอบโค้ดมาตรฐานและการทดสอบ CI ก่อนที่จะรวมการเปลี่ยนแปลง.
