zamalali/DeepGit

解决的问题

DeepGit 是一个代理式研究引擎，旨在根据用户的完整意图而非简单的关键词搜索来查找最相关的 GitHub 仓库。它解决了“隐藏宝石”被星数或存在信息损失的基于关键词的搜索结果所淹没的问题，确保无论规模大小，最匹配的项目都能被呈现出来。

工作原理

DeepGit 作为一个自适应代理运行，根据不确定性升级努力程度。它遵循多步骤流程：

1. 意图分析：LLM 将用户的请求转换为包含搜索角度、硬性约束（例如语言）和反模式的计划。
2. 广泛收集：它对关键词和主题执行批处理的 GitHub GraphQL 搜索。
3. 语义召回：它使用本地向量索引（LanceDB + fastembed）从之前见过的仓库中提取近邻，使召回能力随时间推移而提高。
4. 预过滤：它使用活动度、许可证和健康状况等免费信号来缩小候选列表。
5. 排名：LLM 根据 README 和信号对候选列表进行排名。
6. 升级：如果顶级选择存在争议，代理会阅读实际的源代码、测试和清单，以做出最终的、经过深思熟虑的决定。

适用人群

它面向需要找到满足特定技术约束（例如特定语言或硬件限制）的高质量开源软件库或工具的开发人员和研究人员，而不必完全依赖 GitHub 的原生搜索。

亮点

• 意图优先搜索：保留请求的完整细节作为需求和偏好，而不是将其简化为关键词。
• 自适应管道：通过使用置信度门控仅在必要时阅读源代码来最小化 LLM 成本。
• 复利式语义召回：本地向量索引确保系统随着每次搜索变得更智能。
• MCP 原生：作为模型上下文协议（Model Context Protocol）服务器发布，允许 Claude Desktop 或 Cursor 等 AI 助手直接调用 DeepGit。
• 基于证据的排名：根据真正的契合度和技术证据而非受欢迎程度（星数）进行排名。