أداة محلية أولى تعتمد على الرسوم البيانية لمراجعات كود الذكاء الاصطناعي المركزة
code-review-graph، الذي طوره Tirth8205، هو أداة ذكاء برمجي محلية أولاً وخادم MCP يقلل من زيادة سياق الذكاء الاصطناعي أثناء تدفقات عمل مراجعة الشيفرة. يقوم بتحليل المستودعات إلى خريطة هيكلية دائمة بحيث تقرأ النماذج فقط المقاطع ذات الصلة للتحليل الدقيق وإعادة الهيكلة. تشمل القدرات الرئيسية تحليل الرسوم البيانية، وتكاملات المحرر، ومصور تفاعلي لاستكشاف العلاقات. يحصل مهندسو البرمجيات الذين يستخدمون مساعدي البرمجة بالذكاء الاصطناعي على مراجعات أسرع وأكثر استهدافًا واستخدام أقل للرموز في قواعد الشيفرة الكبيرة.
تحليل المستودعات إلى رسم بياني عالي الدقة للكود
تستخدم الأداة Tree-sitter لتحليل ملفات المصدر إلى رسم بياني دائم من الدوال والفئات وعلاقات الاستدعاء، مما ينتج خريطة هيكلية بدلاً من قوائم الملفات المسطحة. تدعم Python وTypeScript وJavaScript وGo، وتقدم أمر تصور HTML تفاعلي لفحص العقد والحواف في المتصفح، مما يجعل هيكل المستودع قابلاً للاستكشاف أثناء مراجعة الهندسة أو جلسات تصحيح الأخطاء المستهدفة.
يستهدف سياق الذكاء الاصطناعي من خلال تتبع نطاق التغيير
يكشف خادم MCP عن أكثر من عشرين أداة متخصصة يمكن لوكلاء استدعائها لإجراء تحليل نطاق الانفجار، متتبعين المستدعين والتابعين بحيث تقرأ النماذج فقط الوحدات الضرورية. يُبلغ المستخدمون عن تقليل استهلاك الرموز حتى ثمانية أضعاف للمراجعات. تحافظ التحديثات التدريجية على كل حفظ ملف أو التزام git على تحديث الفهرس، وتصميم الأولوية المحلية يحلل المستودعات محليًا بحيث لا يغادر كود المصدر جهاز المطور.
يتم تثبيته في سير العمل الحالي ولكنه يتطلب مضيفي MCP وPython
تتم عملية التثبيت من خلال مديري حزم Python القياسيين بأوامر مثل 'pip install' أو تشغيل مشغل 'uvx'، وخطوة 'install' تقوم بتكوين المحررات المدعومة تلقائيًا. تعمل الأداة كواجهة سطر أوامر متعددة المنصات وخادم MCP وتتطلب Python 3.10 أو أعلى. تتكامل مع المضيفين المتوافقين مع MCP مثل Claude Desktop وCursor، لذا يجب على الفرق استخدام محررات الذكاء الاصطناعي المتوافقة للوصول إلى أدوات الجانب الخادم.
مناسب تمامًا للفرق التي تبحث عن أدوات مدعومة من المجتمع وصيانتها محليًا
يحافظ المطور على المشروع كجهد مفتوح المصدر وتبرز تعليقات المجتمع فعاليته في معالجة مشكلة "حلقة grep". تجعل تلك التركيبة الأداة مرشحًا موثوقًا للفرق التي تقيم سير العمل المدعوم بالذكاء الاصطناعي. للاستخدام العملي، اعتبر مخرجاته توصيات موجهة للمطورين وحقق في الاقتراحات الآلية مع مراجعة الكود القياسية وتشغيل اختبارات CI قبل دمج التغييرات.
