proxysoul/Empryo

解決的問題

Empryo 解決了傳統 AI 編碼代理依賴簡單文字搜尋（grep）或讀取整個檔案所導致的低效問題，這常導致對程式碼依賴關係理解不足且產生高昂的 token 成本。它在修改前就解決了「影響範圍」問題——準確知道修改某段程式碼後哪些部分會出錯。

工作原理

Empryo 採用圖驅動的方法來理解程式碼庫。啟動時，它使用 tree-sitter 將倉儲解析為符號、匯入和呼叫點的即時依賴圖，該圖根據 PageRank 和 git 共變更資料進行排序。這使得代理可透過圖查詢導航程式碼庫，而無需消耗 LLM token 來讀取檔案。它透過超過 65 種符號級操作直接在抽象語法樹（AST）上執行結構化編輯，確保變更是原子性的，且與空白字元無關。

適用對象

專為希望獲得能理解整個專案結構上下文的 AI 編碼助手的開發者設計，支援 30 多種程式語言，並可根據不同任務（探查、撰寫、審查）靈活選擇使用哪些 LLM 模型。

主要亮點

• Code Genome：一個即時依賴圖，可在不消耗 LLM token 的情況下實現毫秒級搜尋和影響範圍分析。
• 多代理路由：一個系統，可從 22 個以上的提供者中為不同角色（如探查員、編碼員、審查員）分配不同的模型。
• 基於 AST 的編輯：支援 30 多種語言的結構化編輯，具備原子性批次處理和全或無回滾功能。
• 時間機器：將提示與 git 檢查點整合，可同時回滾程式碼與對話歷史。
• 隱私優先：在使用者本地機器上運行，支援「自帶密鑰」或透過 Ollama/LM Studio 實現完全本地模型，保護使用者資料安全。