Sem: 透過 Git 實體進行語義代碼理解

Sem 是一個建立在 Git 之上的語義理解層，它將代碼分析的重點從原始文本行轉向邏輯實體，例如函數、類別和方法。透過將代碼視為實體的集合而非行的序列，Sem 允許開發者和 AI agent 在進行 diff、blame 和影響分析時，能基於代碼的實際結構進行操作。

基於實體的版本控制分析

Sem 以基於實體的洞察取代了基於行的 Git 操作，為 commit 提供更清晰的變更內容視圖。雖然標準的 git diff 顯示的是新增或刪除的行，但 sem diff 會識別哪些特定的函數被新增、修改或刪除。

核心指令集

Sem 提供六個主要指令來導覽和分析代碼庫：

  • sem diff: 生成具有重新命名檢測和結構化雜湊的實體級別 diff。它強調的是函數或類別層級的變更，而非行層級。
  • sem blame: 提供逐實體的 blame，識別修改特定函數、類別或方法的最後一個 commit。
  • sem impact: 映射跨文件的依賴圖，以顯示依賴於給定函數的所有實體，包括遞迴影響的實體和受影響的測試。
  • sem log: 追蹤單個實體在 Git 歷史中的演進，顯示觸及特定函數的所有 commit。
  • sem entities: 列出指定路徑內的所有函數、類別、方法和類型，包括其確切的行範圍。
  • sem context: 為 LLM 建立一個受 token 預算限制的上下文窗口，包括目標實體、其依賴項及其依賴項，以符合 prompt 限制。

技術規格與相容性

Sem 被設計為一個單一二進位檔，無需任何配置即可直接在任何 Git 儲存庫上運行。它支援廣泛的語言和數據格式，以確保在不同技術棧中的廣泛適用性。

支援的語言與格式

Sem 支援 26 種程式語言和 5 種數據格式，包括：

  • 語言: TypeScript, JavaScript, Python, Go, Rust, Java, C, C++, C#, Ruby, PHP, Swift, Kotlin, Elixir, Bash, HCL, Fortran, Vue, Svelte, Dart, Perl, OCaml, Scala, 以及 Zig。
  • 數據格式: JSON, YAML, TOML, CSV, 以及 Markdown。

性能與整合

該工具通常在約 8ms 內交付 diff。它可以透過 sem setup 整合到 Git 工作流中，該指令會配置 git config --global diff.external = sem 並安裝一個 pre-commit hook，從而有效地讓 git diff 預設使用 Sem engine。

AI Agent 優化與基準測試

Sem 特別針對提升 AI agent 在與代碼庫互動時的準確度進行了工程設計。根據開發者稱來的，與原始的行級別 diff 相比，提供 Sem 的實體級別輸出時，AI agent 的準確度會提高 2.3 倍。sem context 指令進一步優化了這一點，透過提供一個結構化、受預算的上下文窗口，其中包含必要的依賴項，從而減少 LLM prompt 中的雜訊。

社群回饋與批判性分析

雖然該工具在提供語義上下文的實用性方面廣受讚譽，但社群對其實現方式和聲明有幾點疑慮。

整合疑慮

幾位使用者對 sem setup 指令覆蓋預設 git diff 行為的行為表示了擔憂。

"對於頁面底部的 'Try it. 10 seconds.' 部分，它劫持了現有的工具 (git diff) 並安裝了一個 pre-commit hook... 這對我來說感覺有點對使用者不友善。"

使用者建議該工具應該作為 Git 的補充，而非取代其核心輸出。

基準測試有效性

一些批評者質疑 AI agent 2.3 倍準確度的聲明有效性，認為基準測試過於針對 Sem 自己的術語。

"這些基準測試並不理想，它們對 sem 的輸出非常特定：為什麼我要問 Claude 如何判斷一個 commit 修改了多少個 'entities'，而我需要一個專門為此請求而設計的工具嗎？"

潛在的使用場景

除了標準的 diff，使用者也發現了 Sem 的實體追蹤能力的高階應用，例如使用它來協助像 Jujutsu 這樣的工具，將大型、單一的 commit 拆分為更小、正交的修訂版本，並根據修改的實體進行拆分。

Sources