zamalali/DeepGit

解決する課題

DeepGitは、単純なキーワード検索ではなく、ユーザーの意図全体に基づいて最も関連性の高いGitHubリポジトリを見つけるために設計されたエージェント型リサーチエンジンです。スター数や情報損失のあるキーワードベースの検索結果によって「隠れた宝石」が埋もれてしまう問題を解決し、規模に関わらず最適なプロジェクトが提示されることを保証します。

動作原理

DeepGitは、不確実性に基づいて努力を段階的に高める適応型エージェントとして動作します。以下の多段階プロセスに従います：

1. 意図分析: LLMがユーザーのリクエストを、検索角度、ハード制約（例：言語）、アンチパターンを含む計画に変換します。
2. 広範な収集: キーワードとトピックにわたってバッチ処理されたGitHub GraphQL検索を実行します。
3. セマンティックリコール: ローカルベクトルインデックス（LanceDB + fastembed）を使用して、以前に確認したリポジトリからの近傍を取得し、時間とともにリコールを改善します。
4. 事前フィルタリング: アクティビティ、ライセンス、健全性などの無料シグナルを使用して候補リストを絞り込みます。
5. ランキング: LLMがREADMEとシグナルに基づいて候補リストをランキングします。
6. エスカレーション: 上位候補が競合している場合、エージェントは実際のソースコード、テスト、マニフェストを読み取り、最終的な熟考された決定を下します。

対象ユーザー

特定の技術的制約（例：特定の言語やハードウェア制限）を満たす高品質なオープンソースソフトウェアライブラリやツールを見つけたいが、GitHubのネイティブ検索だけに頼りたくない開発者や研究者を対象としています。

ハイライト

• 意図優先検索: キーワードに還元するのではなく、リクエストの詳細を要件や好みとして保持します。
• 適応型パイプライン: 信頼度ゲートを使用して、必要に応じてのみソースコードを読み取ることでLLMコストを最小限に抑えます。
• 複利効果のあるセマンティックリコール: ローカルベクトルインデックスにより、システムは検索ごとに賢くなります。
• MCPネイティブ: Model Context Protocolサーバーとして提供され、Claude DesktopやCursorなどのAIアシスタントがDeepGitを直接呼び出せます。
• 証拠ベースのランキング: 人気（スター数）ではなく、真の適合性と技術的証拠に基づいてランキングします。