proxysoul/Empryo

解决的问题

Empryo 解决了传统 AI 编码代理依赖简单文本搜索（grep）或读取整个文件所导致的低效问题，这常常导致对代码依赖关系理解不足且产生高昂的 token 成本。它在修改前就解决了「影响范围」问题——准确知道修改某段代码后哪些部分会出错。

工作原理

Empryo 采用图驱动的方法来理解代码库。启动时，它使用 tree-sitter 将仓库解析为符号、导入和调用点的实时依赖图，该图根据 PageRank 和 git 共变更数据进行排序。这使得代理可以通过图查询导航代码库，而无需消耗 LLM token 来读取文件。它通过超过 65 种符号级操作直接在抽象语法树（AST）上执行结构化编辑，确保更改是原子性的，且与空白字符无关。

适用人群

专为希望获得能理解整个项目结构上下文的 AI 编码助手的开发者设计，支持 30 多种编程语言，并可根据不同任务（探查、编写、审查）灵活选择使用哪些 LLM 模型。

主要亮点

• Code Genome：一个实时依赖图，可在不消耗 LLM token 的情况下实现毫秒级搜索和影响范围分析。
• 多代理路由：一个系统，可从 22 个以上的提供方中为不同角色（如探查员、编码员、审查员）分配不同的模型。
• 基于 AST 的编辑：支持 30 多种语言的结构化编辑，具备原子性批处理和全或无回滚功能。
• 时间机器：将提示与 git 检查点集成，可同时回滚代码和对话历史。
• 隐私优先：在用户本地机器上运行，支持「自带密钥」或通过 Ollama/LM Studio 实现完全本地模型，保护用户数据安全。