Brain0-ai/brain0

解決的問題

brain0 為 AI 生成程式碼的「為何」提供可視化。雖然 git 記錄了「變更了什麼」，但 brain0 追蹤了編碼代理（如 Claude Code 或 Codex）進行這些變更時的意圖、提示與上下文，解決了 AI 生成差異的不透明性與「黑箱」開發問題。

工作原理

它作為一個被動觀察者，讀取 git 歷史記錄與編碼代理在磁碟上產生的轉錄檔，無需 Hooks 或程式碼變更。它建立倉儲的決策圖，將提交與代理意圖連結至函數層級。它使用 Tree-sitter 進行符號提取與身分追蹤，並可與本地模型（透過 Ollama）或託管 LLM 集成以產生摘要與語意搜尋。系統還比對「宣告的變更」（代理聲稱所做的變更）與「實際的變更」（git 實際記錄的變更），以偵測偏移。

適用對象

使用 AI 編碼代理的開發者與團隊，需要審計追蹤、AI 引入的錯誤根本原因除錯，以及監控代理讀取的敏感資料（DLP）。

特色亮點

• 被動觀察：無需整合或代理協作；只需讀取現有日誌與 git 歷史記錄。
• 偏移偵測：識別 AI 代理聲稱的變更與實際提交的變更之間的差距。
• 代理上下文的 DLP：記錄並掃描代理在會話期間讀取的檔案中的密鑰。
• 風險評分：根據爆發半徑、變更頻率與歷史證據（例如回滾）為檔案與符號分配風險評分。
• MCP 集成：提供 Model Context Protocol (MCP) 伺服器，讓代理在編輯程式碼前可查詢圖譜以了解程式碼的來源與風險。
• 本地優先：預設離線運作，使用本地嵌入與可選的本地 LLM（透過 Ollama）。