GreptileCodeMirrorer

مرايا الرمز: تحليل الرمز الذي يعمل بنظام الذكاء الاصطناعى وأداة استخراج الميزات

ملخص

Code Mirter هو أداة تحليل رمز متقدمة وتوزيع الميزات التي تستفيد من الذكاء الاصطناعي الجهازية ونماذج اللغة الكبيرة (LLMS) لمساعدة المطورين على التعلم من الميزات من الكود المثالي ودمجها في مشاريعهم الخاصة. توفر هذه الأداة طريقة تفاعلية لاستكشاف الكود وفهمه وتكييفه مع النظر في السياق المحدد لقاعدة كود المستخدم.

التقنيات المستخدمة

• إطار عمل : NEXT.JS (FRAKEWORK)
• اللغة : TypeScript
• أدوات AI/LLM :
  • الجهازة: تستخدم للاستعلام وتحليل مستودعات الكود
  • Pinecone: قاعدة بيانات المتجهات لتخزين واسترداد قصاصات الكود ذات الصلة وسجل الدردشة
  • وجه العناق: نموذج LLM (BAAI/BGE-M3) لتضمين النص

الميزات الرئيسية

1. فهرسة المستودع

   • فهرس اثنين من مستودعات جيثب: مستودع "مثالي" ومستودع المستخدم للمستخدم
   • يدعم تحديد فروع مختلفة لكل مستودع

2. استخراج الميزة

   • استخراج ميزات محددة من المستودع المثالي بناءً على إدخال المستخدم
   • تقديم تفسيرات مفصلة لكيفية عمل الرمز المستخرج

3. تحليل التوافق

   • تحليل توافق الميزات المستخرجة مع قاعدة كود المستخدم
   • توفير درجة التوافق وشرح المشكلات المحتملة أو التعديلات اللازمة

4. اقتراحات التنفيذ

   • إنشاء مناهج تنفيذ متعددة للميزة المستخرجة
   • توفير المزايا والعيوب لكل تنفيذ مقترح

5. واجهة الدردشة التفاعلية

   • السماح للمستخدمين بطرح الأسئلة والبحث عن توضيحات حول الميزات المستخرجة أو التوافق أو التطبيقات
   • توفير استجابات مدركة للسياق باستخدام كل من مستودعات المستخدمين المثالية والمستخدمين

6. جلسات مستمرة

   • الحفاظ على جلسات المستخدم للسماح بالعودة إلى العمل السابق

كيف تعمل

1. إرسال المستودع : يقدم المستخدمون روابط إلى مستودعين من GitHub - ريبو مثالي وإعادة الريبو الخاصة بهم.

2. الفهرسة : يفهرس النظام كلا المستودعات ، مما يجعل محتوياتها قابلة للبحث وقابلة للتحليل.

3. استخراج الميزة : يمكن للمستخدمين طلب استخراج ميزة محددة من خلال توفير عنوان ووصف. يستخدم النظام الذكاء الاصطناعي لتحديد موقع الكود ذي الصلة واستخراجها من المستودع المثالي.

4. التحقق من التوافق : يتم تحليل الميزة المستخرجة للتوافق مع مستودع المستخدم. ويشمل ذلك درجة التوافق وشرح مفصل للقضايا المحتملة.

5. اقتراحات التنفيذ : ينشئ النظام طرقًا متعددة لتنفيذ الميزة المستخرجة في قاعدة كود المستخدم ، مع استكمال الإيجابيات والسلبيات لكل نهج.

6. الدردشة التفاعلية : يمكن للمستخدمين المشاركة في واجهة الدردشة لطرح الأسئلة أو البحث عن توضيحات أو الحصول على مزيد من التفاصيل حول أي جانب من جوانب الميزة المستخرجة أو التطبيقات المقترحة.

التفاصيل الفنية

• الواجهة الخلفية : NEXT.JS API Routes Love Logic Logic
• قاعدة البيانات : يتم استخدام MongoDB لتخزين معلومات الجلسة والبيانات المستمرة الأخرى
• تخزين المتجه : يتم استخدام Pinecone لتخزين واستفسار تمثيلات المتجهات لمقتطفات التعليمات البرمجية وسجل الدردشة
• تحليل الكود : يتم استخدام الجهازة لتحليل الكود المتعمق ومعالجة الاستعلام
• تضمين النص : يتم استخدام نموذج BAAI/BGE-M3 الخاص بالوجه لإنشاء تضمينات لتخزين النص في قاعدة بيانات المتجه

الانطباع الفني

يعرض كود Mirter العديد من الميزات المثيرة للإعجاب تقنيًا:

1. إدارة تاريخ الدردشة الذكية : قمنا بتنفيذ نظام سجل دردشة متطور باستخدام Pinecone ، قاعدة بيانات متجه. يسمح ذلك بتخزين واسترجاع فعال للمعلومات المتعلقة بالسياق ، مما يعزز قدرة الذكاء الاصطناعى على توفير استجابات متماسكة ومناسبة سياقًا على محادثات ممتدة.

2. الهندسة المتقدمة المتقدمة : لتحسين صلة وجودة الاستجابات التي تم إنشاؤها من الذكاء الاصطناعى ، قمنا بتطوير سلسلة من المطالبات المصنوعة بعناية. تم تصميم هذه المطالبات لتوجيه الذكاء الاصطناعي في توفير الإجابات المناسبة مع الحفاظ على المرونة لمجموعة واسعة من الاستعلامات. هذا يتطلب تكرارات متعددة وصقلها لتحقيق التوازن بين الخصوصية مع عمومية.

3. استخراج الميزة المتقاطعة : قدرة النظام على استخراج الميزات من مستودع واحد وتحليل توافقها مع مستودع آخر قدمت تحديات فريدة. قمنا بتطوير خوارزميات ليس فقط لتحديد أقسام التعليمات البرمجية ذات الصلة ولكن أيضًا لتقييم ملاءمتها في سياق قاعدة كود مختلفة.

4. تحليل التعليمات البرمجية الديناميكية : الاستفادة من واجهة برمجة تطبيقات الجهازة ، قمنا بتنفيذ إمكانيات تحليل الكود في الوقت الحقيقي. يتيح ذلك تقييمًا على أساس التوافق في التعليمات البرمجية وتوليد اقتراحات التنفيذ ، مما يدفع حدود ما هو ممكن مع أدوات تحليل الكود الحالية.

5. الهندسة المعمارية القابلة للتطوير : تم تصميم التطبيق مع وضع قابلية التوسع في الاعتبار ، باستخدام Next.js لاتخاذ خطوط عرضية و API الفعالة. تتيح هذه البنية التعامل مع جلسات المستخدم المتعددة بشكل متزامن مع الحفاظ على الأداء.

على الرغم من أن هذه الميزات توضح العمق التقني للمرايا ، تجدر الإشارة إلى أن النظام لا يزال قيد التطوير. يتم استمرار بعض الجوانب ، وخاصة وظائف الدردشة والهندسة السريعة ، باستمرار. لقد كنا نهدف إلى إنشاء نظام مرن يمكنه التكيف مع حالات الاستخدام المختلفة ، ولكن يجب أن يدرك المستخدمون أن النتائج قد تختلف باختلاف المستودعات المحددة والاستعلامات المعنية.

أدوات الذكاء الاصطناعي المستخدمة في التطوير

1. Claude & Chatgpt: يستخدم في أفكار العصف الذهني ، استكشاف الأخطاء وإصلاحها ، ومطالبات التكرير.

ابدء

اتبع هذه الخطوات لإعداد وتشغيل المشروع محليًا:

1. استنساخ المستودع

• يجري :

 git clone https://github.com/kabir276/GreptileCodeMirrorer.git

2. إعداد متغيرات البيئة

• انسخ ملف البيئة المثال:

   cp .env.example .env
  

• افتح ملف .env وأدخل مفاتيح واجهة برمجة التطبيقات الخاصة بالخدمات المطلوبة (Greptile ، pinecone ، mongodb إلخ)

3. تثبيت التبعيات

• قم بتشغيل هذا في دليل الجذر:

   npm install
  

4. قم بتشغيل خادم التطوير

    npm run dev
   

5. الوصول إلى التطبيق افتح متصفحك وانتقل إلى http://localhost:3000

يجب أن يكون التطبيق الآن قيد التشغيل على جهازك المحلي. يمكنك البدء في استخدام ترميز الترميز عن طريق إرسال روابط المستودع واستكشاف ميزاته.

ملاحظة: تأكد من تثبيت NPM على نظامك قبل بدء هذه الخطوات.