Brain0-ai/brain0

解決する課題

brain0 は AI 生成コードの「なぜ」を可視化します。git は「何が変更されたか」を記録しますが、brain0 は Claude Code や Codex などのコーディングエージェントがその変更を行った際の意図、プロンプト、コンテキストを追跡し、AI 生成差分の不透明性や「ブラックボックス」開発の問題を解決します。

動作方法

git ヒストリとディスク上のコーディングエージェントによるトランスクリプトを読み込む、非干渉的な観測者として動作します。コード変更の意図を関数レベルまで追跡できるリポジトリの意思決定グラフを構築します。Tree-sitter を使ってシンボルの抽出と識別を実行し、Ollama を通じてローカルモデルやホストされた LLM を統合して要約や意味検索を実行できます。また、エージェントが「宣言した変更」（何をしたと言ったか）と「実際の変更」（git が記録したもの）のズレを照合し、変更のずれ（drift）を検出します。

対象ユーザー

AI コーディングエージェントを使用する開発者やチームで、監査ログ、AI 由来のバグの根本原因調査、およびエージェントが読み取っている機密データ（DLP）の監視が必要な方々です。

特徴

• 非干渉観測: エージェントとの連携や統合は不要。既存のログと git ヒストリを読み込むだけです。
• 変更のずれ検出: AI エージェントが宣言した変更と実際にコミットされた変更のギャップを特定します。
• エージェントコンテキスト向け DLP: エージェントがセッション中に読み取ったファイル内のシークレットを記録・スキャンします。
• リスクスコアリング: ブラストレディウス、変更頻度、歴史的証拠（例：リバート）に基づき、ファイルやシンボルにリスクスコアを付与します。
• MCP 統合: Model Context Protocol (MCP) サーバーを提供し、エージェントがコード編集前にそのコードの出典とリスクを理解できるようにします。
• ローカル優先: Ollama を通じてローカル埋め込みとオプションのローカル LLM を使用し、デフォルトでオフラインで動作します。