repowise-dev/repowise

Codebase intelligence for AI and humans: code health scores, auto-generated docs, git analytics, dead code detection, and architectural decisions via MCP.

Repowise – 證據導向的程式碼庫智慧

是什麼 – Repowise 是一個基於 Python 的工具，可建立本地、持續更新的程式碼庫索引。該索引整合了語言無關的呼叫圖、Git 歷史、測試覆蓋率資訊、文件以及記錄的架構決策。從這單一的真相來源出發，它為開發者或 AI 驅動的程式碼代理通常需要透過 grep、閱讀程式碼或執行昂貴的模型提示來發現的問題，提供 決定性（無需 LLM 呼叫）的答案。

為何重要 – 現代 AI 程式碼助手在每次請求時都會花費大量時間「重新發現」程式碼庫的結構，這會增加 token 使用量、降低代理速度，並可能導致上下文遺失。Repowise 一次性完成繁重工作，然後以遠少的工具呼叫和大幅減少的負載（例如，典型提交上下文從 13,984 個 token 減少到 393 個 token）提供 帶引用 的、圖感知的結果。此專案還提供具體、可操作的重構建議和每個檔案的健康分數，所有計算均在本地完成且開源。

核心功能

領域	Repowise 提供的內容
程式碼圖	支援 25 種語言的 AST 解析依賴關係，帶置信度標記的呼叫解析，社群檢測，中心性度量，執行流程追蹤。
Git 信號	熱點檢測、所有權、共變更統計、巴士因子、缺陷修復歷史 – 全部源自程式碼庫自身的提交日誌。
文件維基	為每個模組/檔案自動產生、增量式維基頁面；可選擇性地為每頁新增 LLM 寫的段落。
架構決策	從五個來源（如提交訊息、程式碼註解）決定性地提取，加上手動捕獲；每個決策均連結到證據。
程式碼健康分析	49 個決定性檢測器（複雜度、內聚性、克隆檢測、未測試熱點、變更熵等）為每個檔案生成 1–10 的健康分數，並提供具體重構計畫（提取類/方法、移動方法、拆分檔案等）。
測試智慧	透過呼叫圖找出哪些測試觸及一個檔案（當覆蓋率報告遺失時的回退方案），並可列出差異所觸發的最小測試集。
變更風險	使用圖和 Git 信號對差異或 PR 進行 0–10 分的評分，返回可操作指令如 `may_break` 或 `missing_tests`。
MCP 工具	十個任務型「模型-控制-協定」端點（圖、Git、文件、決策、健康、風險、受影響測試、精煉等），任何 MCP 兼容代理（Claude Code、Codex、Cursor、VS Code 等）均可呼叫。
精煉	在命令輸出（如長 `pytest` 日誌）到達代理前進行壓縮，保留錯誤和結束碼的同時，將 token 使用量減少 60–90 %。
PR 機器人	GitHub 應用，為每個 PR 發佈一條持續更新的評論，包含影響範圍、測試影響、風險分數、健康警報以及詳細分析頁面連結。

典型工作流程

安裝 – pip install repowise。
初始化 – 在目標程式碼庫內執行 repowise init --no-prose -y。此操作解析程式碼、建構圖、提取 Git 信號、建立維基，並執行健康檢測器。
服務 – repowise serve 啟動本地 HTTP 端點，公開 MCP 工具。
連接 – 將你的程式碼代理（Claude Code、Codex、Cursor 等）指向該端點，或開啟內建儀表板探索健康分數、變更風險和重構建議。
迭代 – 隨著程式碼庫變更，Repowise 會增量更新索引，無需重新執行完整分析即可保持所有答案最新。

適用對象

使用情境	Repowise 如何協助
AI 輔助開發	代理透過單次呼叫即可獲得預先計算、帶引用的上下文（例如「誰呼叫了 `auth.validate`？」），減少 token 消耗和延遲。
安全的拉取請求審查	自動風險評分、測試影響清單和影響範圍圖直接顯示在 PR 評論中，讓審查者專注於真實破壞性風險。
持續程式碼健康改善	健康分數揭示缺陷高發檔案；具體重構計畫可輸入代理或手動應用。
大型多程式碼庫工作區	單一 MCP 端點可服務多個程式碼庫，支援跨服務契約檢查和架構強制。
企業部署	核心分析完全在本地執行，無需 API 金鑰，AGPL-3.0 許可，企業可選付費支援、安全擴充和 SLA 保證。

安裝與快速入門

pip install repowise               # 取得 CLI 和程式庫
cd /path/to/your/repo
repowise init --no-prose -y        # 建構索引（無需 LLM）
repowise serve                     # 啟動本地 MCP 伺服器
# 範例查詢
repowise risk main..HEAD           # 當前 PR 的變更風險評分
repowise health --refactoring-targets  # 列出低健康檔案及具體修復方案
repowise impacted-tests main..HEAD   # 差異的最小測試集

完整說明見 docs/start/QUICKSTART.md。

證據與基準測試

代理效率 – 在 django/django 程式碼庫上對 43 個問題的研究顯示，Repowise 將代理輸出減少 31.6 %，工具呼叫次數從 7.2 → 3.8（p < 0.0001）。
負載減少 – 典型提交上下文從 13,984 → 393 個 token（減少 97.2 %）。
缺陷預測 – 健康引擎的 49 個檢測器基於真實缺陷語料庫校準；程式碼庫內驗證顯示，最低健康檔案中最近缺陷的富集度為 3.3×。
圖準確性 – 在 37,853 個 Oracle 邊上與 5 個其他工具對比；Repowise 在所有 7 個編譯器評分單元中均達到最高精確度。
所有基準數據、方法和限制均在 docs/BENCHMARKS.md 中公開。

許可與可用性

開源 – AGPL-3.0（原始碼在 GitHub，PyPI 套件 repowise）。
自托管 – 核心分析在本地執行，無需外部 API 金鑰或雲端服務。
商業選項 – 企業可選付費支援、安全擴充和 SLA 保證。

學習更多

即時示範 – https://repowise.dev（無需登入）。
文件 – https://docs.repowise.dev
GitHub 程式碼庫 – https://github.com/repowise-dev/repowise
PR 機器人安裝 – https://github.com/apps/repowise-bot

總結 – Repowise 將程式碼庫轉變為一個決定性知識庫，讓 AI 代理和開發者可即時查詢，降低 token 成本，提升安全性，並在不將程式碼發送到遠端 LLM 的情況下提供具體、可執行的修復方案。