AI 资源库 · 已整理 4 项

代码智能

查看与代码智能相关的 AI 资讯、工具、Skill、工作流和开源项目。

mafia-codereview-harness:基于 Git 的 Claude Code 自动化 PR 代码审查工具

casihaemal629/mafia-codereview-harness · Automate Claude Code PR code review with a Git-based harness that writes intent, sets criteria, reviews changes, and applies fixes

该项目是一个面向 Windows 的代码审查应用,围绕 Claude Code 构建基于 Git 的审查流程,覆盖编写意图、设定审查标准、审查变更以及应用修复等环节,目标是实现全自动代码审查。README 主要提供下载、安装、首次启动、基本使用、常见文件类型与故障排查等面向普通用户的说明。

☆ 收藏查看来源 ↗

Agents 三周重构 30 万行代码,从业者追问这能证明什么

CodeScene 公布了一个案例:用编程 Agent 在三周内重构了 30 万行 C 代码,花了大约 4000 美元的 token 费用,整个结果通过一个逐帧回放的验证工具来核对。过程中 Agent 还自己攒出了一套专门针对这份代码库的操作配方。不过有从业者提出疑问:这个范围算不算大、用的衡量标准是否合理,以及成果有多少要归功于那套验证工具,目前都还没有定论。对读者来说,这说明 Agent 大规模改代码已经能跑通,但离普遍可信还有距离。

文中可用工具

  • CodeScene发布这次 Agent 重构案例的平台
  • replay harness逐帧回放验证重构结果的工具
☆ 收藏查看来源 ↗

Portfolio Coder:面向代码仓库的语义搜索、依赖分析与 AI 代码理解平台

nshkrdotcom/portfolio_coder · Code Intelligence Platform: Repository analysis, semantic code search, dependency graphs, and AI-powered code understanding built on the Portfolio RAG ecosystem. Features multi-language parsing (Elixir, Python, JavaScript, TypeScript), AST-aware chunking, call graph analysis, and intelligent code agents for review, refactoring, and documentation.

Portfolio Coder 是一个基于 Portfolio RAG 生态构建的代码智能平台,提供代码仓库索引、语义代码搜索、依赖图谱分析以及 AI 驱动的代码审查、重构建议和文档生成能力。项目支持 Elixir、Python、JavaScript/TypeScript 等多语言解析,具备 AST 感知分块、调用图分析和智能代码代理,并以 Elixir Mix 任务提供 CLI 与编程接口,用于集中管理多个项目仓库。

☆ 收藏查看来源 ↗

jCodeMunch MCP:基于 tree-sitter AST 的符号级代码检索 MCP 服务器

jgravelle/jcodemunch-mcp · Cut AI token costs 95%+ on code exploration. The leading MCP server for precise, symbol-level GitHub code retrieval via tree-sitter AST. Works with Claude Code, Cursor & any MCP client. 313B+ tokens saved.

jCodeMunch MCP 是一个面向 AI 编程客户端的 MCP 服务器,通过 tree-sitter 解析源码并建立本地索引,让 Agent 按符号(函数、类、方法、常量、文件大纲等)精确检索代码,而不是反复读取整个文件,从而降低代码探索时的 token 消耗。它可与 Claude Code、Cursor、VS Code、Codex CLI、Windsurf、Continue 等 MCP 兼容客户端配合,并提供 find_importers、get_blast_radius、get_call_hierarchy、find_dead_code 等结构性查询,以及编辑前安全检查、PR 风险画像和重构规划等能力。README 声称在多个公开仓库的基准测试中相比 grep-and-read 方式平均减少约 96% 的 token 消耗,并给出独立 A/B 测试结果。项目采用双许可模式:个人使用免费,商业用途需商业许可。

☆ 收藏查看来源 ↗