zamalali/DeepGit

해결하는 문제

DeepGit은 단순한 키워드 검색이 아닌 사용자의 전체 의도에 기반하여 가장 관련성 높은 GitHub 저장소를 찾기 위해 설계된 에이전트형 연구 엔진입니다. 스타 수나 손실이 있는 키워드 기반 검색 결과로 인해 '숨진 보석'이 묻히는 문제를 해결하여, 규모와 관계없이 가장 적합한 프로젝트가 제시되도록 보장합니다.

작동 방식

DeepGit은 불확실성에 따라 노력을 단계적으로 높이는 적응형 에이전트로 작동합니다. 다음 다단계 프로세스를 따릅니다:

의도 분석: LLM이 사용자의 요청을 검색 각도, 하드 제약 조건(예: 언어), 반패턴을 포함하는 계획으로 변환합니다.
광범위한 수집: 키워드와 주제에 걸쳐 배치된 GitHub GraphQL 검색을 수행합니다.
시맨틱 리콜: 로컬 벡터 인덱스(LanceDB + fastembed)를 사용하여 이전에 확인한 저장소에서 인접 항목을 가져와 시간이 지남에 따라 리콜을 개선합니다.
사전 필터링: 활동성, 라이선스, 건강 상태와 같은 무료 신호를 사용하여 후보 목록을 좁힙니다.
랭킹: LLM이 README와 신호를 기반으로 후보 목록을 랭킹합니다.
에스컬레이션: 상위 후보가 경쟁하는 경우, 에이전트는 실제 소스 코드, 테스트, 매니페스트를 읽어서 최종적으로 숙고된 결정을 내립니다.

대상 사용자

특정 기술적 제약 조건(예: 특정 언어 또는 하드웨어 제한)을 충족하는 고품질 오픈소스 소프트웨어 라이브러리나 도구를 찾고 싶지만 GitHub의 네이티브 검색에만 의존하지 않으려는 개발자와 연구자를 대상으로 합니다.

하이라이트

의도 우선 검색: 키워드로 축소하는 대신 요청의 세부 사항을 요구 사항과 선호 사항으로 유지합니다.
적응형 파이프라인: 신뢰도 게이트를 사용하여 필요할 때만 소스 코드를 읽음으로써 LLM 비용을 최소화합니다.
복리 효과 시맨틱 리콜: 로컬 벡터 인덱싱을 통해 시스템이 모든 검색마다 더 똑똑해집니다.
MCP 네이티브: Model Context Protocol 서버로 제공되어 Claude Desktop이나 Cursor와 같은 AI 어시스턴트가 DeepGit을 직접 호출할 수 있습니다.
증거 기반 랭킹: 인기(스타 수)가 아닌 진정한 적합성과 기술적 증거를 기반으로 랭킹합니다.