Lyra Intel

🚀 Lyra Intel

Lyra Intel 是一个完整的智能基础设施引擎，用于大规模代码库分析。它能借助人工智能驱动的洞察、安全扫描和语义搜索，以快 10 - 100 倍的速度分析代码库。

🚀 快速开始

只需几条命令，即可快速上手，无需复杂设置。

# 1. 克隆仓库
git clone https://github.com/nirholas/lyra-intel.git
cd lyra-intel

# 2. 安装（需要 Python 3.9+）
pip install -e .

# 3. 快速扫描 - 查看 Lyra Intel 在 30 秒内的发现
python cli.py scan /path/to/any/code

# 4. 全面分析 - 生成详细报告
python cli.py analyze /path/to/code --output ./results.json

# 5. 查看结果
cat results.json | jq .  # 美化打印 JSON

# 6. （可选）启动 Web 仪表盘
python launch_dashboard.py
# 然后访问 http://localhost:8080

预期结果

运行 scan 命令后，你将看到：

✅ Analyzing repository...
📊 Files analyzed: 156
📈 Total functions: 1,247
⚠️  Issues found: 43
🔐 Security findings: 5

运行 analyze 命令将生成详细的 JSON 文件，包含：

• 指标：行数、复杂度、测试覆盖率
• 安全：漏洞、密钥检测
• 依赖：导入关系、循环依赖
• 模式：代码异味、反模式
• Git 历史：提交统计、贡献者

查看更多快速示例 →

✨ 主要特性

Lyra Intel 包含 70 多个按功能组织的专业组件：

📦 安装指南

克隆仓库

git clone https://github.com/nirholas/lyra-intel.git
cd lyra-intel

安装（需要 Python 3.9+）

pip install -e .

💻 使用示例

基础用法

# 快速扫描
python cli.py scan /path/to/any/code

# 全面分析
python cli.py analyze /path/to/code --output ./results.json

高级用法

# 启动 Web 仪表盘
python launch_dashboard.py
# 然后访问 http://localhost:8080

📚 详细文档

Lyra Intel 包含全面的文档，涵盖了平台的各个方面：

核心文档

• 📖 FEATURES.md - 详细的特性文档，包含以下内容的代码示例：

  • 语义搜索（基于机器学习的代码搜索）
  • SSO 集成（OAuth 2.0、SAML 2.0、LDAP）
  • 语言解析器（C++、C#、Ruby、PHP）
  • 插件系统
  • IDE 扩展（VS Code、JetBrains）
  • CI/CD 集成（GitLab、Bitbucket、GitHub Actions）
  • 导出格式（PDF、SARIF、Excel、CSV）
  • WebSocket 流式传输
  • 交互式 CLI
  • Web 仪表盘
  • 监控与指标（Prometheus、Grafana）

• 💻 EXAMPLES.md - 实用的代码示例，包括：

  • 快速开始（60 秒分析）
  • 核心分析工作流
  • 语义搜索使用方法
  • SSO 设置与配置
  • 特定语言解析
  • 自定义插件开发
  • IDE 扩展安装
  • CI/CD 管道集成
  • 实时 WebSocket 流式传输
  • 监控设置
  • 完整的端到端工作流

• 🏗️ ARCHITECTURE.md - 技术架构文档：

  • 系统概述与设计
  • 核心组件架构
  • 数据流图
  • 模块组织
  • 扩展点
  • 部署架构（单服务器、Kubernetes、AWS）
  • 性能与可扩展性
  • 安全架构
  • 技术栈

• 🔌 API.md - 完整的 REST API 参考

• 🚀 DEPLOYMENT.md - 部署指南（Docker、Kubernetes、AWS）

• 📜 openapi.yaml - OpenAPI 3.0 规范

实际工作流

• 💼 USE_CASES.md - 实用的工作流和最佳实践：
  • 保护遗留代码库
  • 提交前代码质量检查
  • CI/CD 安全管道
  • 代码审查辅助
  • 单体代码库迁移规划
  • 技术债务跟踪
  • 构建团队知识库
  • 集成模式
  • 性能优化技巧

入门指南

• ⚡ QUICKSTART.md - 5 分钟快速上手
• 🔧 INSTALL.md - 安装说明
• 📚 TUTORIAL.md - 常见用例的逐步教程：
  • 首次分析
  • 安全审计
  • 语义搜索设置
  • CI/CD 集成
  • 自定义插件开发
  • 生产部署
  • 实时仪表盘
• ❓ FAQ.md - 常见问题解答
• 🤝 CONTRIBUTING.md - 贡献指南

🔧 技术细节

架构

lyra-intel/
├── src/
│   ├── core/           # 主引擎编排
│   ├── collectors/     # 数据收集（文件、git）
│   ├── analyzers/      # 代码分析（AST、依赖、模式）
│   ├── storage/        # 数据库和持久化
│   ├── agents/         # 多智能体系统
│   ├── search/         # 代码和语义搜索
│   ├── query/          # 自然语言查询
│   ├── visualizers/    # 图生成
│   ├── reports/        # 报告生成
│   ├── web/            # Web 仪表盘
│   ├── api/            # REST API 服务器
│   ├── auth/           # 身份验证和授权
│   ├── plugins/        # 插件系统
│   ├── ai/             # AI 集成
│   ├── metrics/        # 指标收集
│   ├── events/         # 事件系统
│   ├── notifications/  # 通知和警报
│   ├── forensics/      # 法医分析
│   ├── cache/          # 缓存层
│   ├── pipeline/       # 流式管道
│   ├── testing/        # 测试基础设施
│   ├── knowledge/      # 知识图谱系统
│   ├── diff/           # 差异和影响分析
│   ├── generation/     # 代码生成
│   ├── security/       # 安全扫描
│   ├── migration/      # 迁移规划
│   ├── profiler/       # 性能分析
│   ├── schema/         # 模式分析
│   ├── docgen/         # 文档生成
│   ├── integrations/   # 外部集成
│   └── workflow/       # 工作流引擎
├── config/             # 配置文件
├── scripts/            # 实用脚本
├── Dockerfile          # 容器构建
├── docker-compose.yml  # 多服务部署
└── cli.py              # 命令行界面

处理模式

本地模式

适用于开发和小型仓库：

from src import LyraIntelEngine, EngineConfig, ProcessingMode

config = EngineConfig(mode=ProcessingMode.LOCAL, max_workers=8)
engine = LyraIntelEngine(config)
result = await engine.analyze_repository("/path/to/repo")

分布式模式

适用于具有多个工作进程的较大代码库：

config = EngineConfig(
    mode=ProcessingMode.DISTRIBUTED,
    max_workers=50,
)

云大规模模式

适用于企业级分析：

config = EngineConfig(
    mode=ProcessingMode.CLOUD_MASSIVE,
    cloud_provider="aws",
    cloud_region="us-east-1",
    max_cloud_workers=1000,
)

分析结果

引擎生成全面的分析结果，包括：

• 文件指标：总文件数、大小、按扩展名的行数
• 代码结构：函数、类、方法及其复杂度得分
• 依赖：导入/导出关系、循环依赖
• Git 历史：提交、作者、更改频率
• 模式：代码异味、反模式、安全问题

结果存储在 SQLite（或你配置的后端）中，并可以 JSON 格式导出。

云支持

Lyra Intel 旨在高效利用云资源：

包含自动扩展和成本优化功能。

💼 常见用例

实际团队使用 Lyra Intel 进行以下工作：

🔒 安全团队

“我需要扫描我们 500K 行代码的代码库以查找漏洞”

• 保护遗留代码库 - 30 分钟内完成全面审计
• 自动 CI/CD 安全检查
• 提交前钩子，阻止不安全的代码
• 定期安全扫描

👨‍💻 开发团队

“新开发人员加入 - 如何让他们在 200K 行代码的代码库中快速上手？”

• 构建团队知识库 - 对代码库进行语义搜索
• 查找相似的代码模式
• 通过可视化了解架构
• 跟踪技术债务

🏗️ 平台团队

“我们需要从 Node 14 升级到 Node 18 - 是否安全？”

• 规划单体代码库迁移 - 逐步迁移计划
• 分析所有包的影响
• 识别重大更改
• 估算每个包的工作量

📊 工程负责人

“我们的代码质量是在提高还是在下降？”

• 跟踪技术债务 - 每月趋势跟踪
• 可视化指标随时间的变化
• 优先修复问题
• 向管理层展示基于数据的报告

🔍 代码审查

“每次拉取请求的审查时间太长 - 每个 PR 需要 30 分钟”

• AI 驱动的代码审查 - 30 秒内提供自动洞察
• 安全分析
• 复杂度警告
• AI 改进建议

查看 7 个完整的工作流及代码示例 →

🤖 MCP 集成（Claude 与大语言模型）

可以直接从 Claude、Claude Code 或任何支持 MCP 的大语言模型中使用 Lyra Intel。

快速设置

# Claude Code - 一条命令
npx lyra-intel-mcp

# Claude Desktop - 添加到配置
{
  "mcpServers": {
    "lyra-intel": {
      "command": "npx",
      "args": ["-y", "lyra-intel-mcp"]
    }
  }
}

可用的 MCP 工具

示例提示

"Analyze my project at ~/code/myapp for security issues"
"Search for authentication patterns in the codebase"
"Scan GitHub for new MCP crypto tools from the last 7 days"
"Run the discovery pipeline and submit approved tools"

查看完整的 MCP 文档 →

🏛️ 架构

架构概述

Lyra Intel 的架构设计旨在提供高效、可扩展和安全的代码分析解决方案。它包含多个核心组件，每个组件负责特定的功能，这些组件协同工作以实现全面的代码分析。

组件架构

• 核心引擎：负责整体的编排和协调，确保各个组件之间的流畅交互。
• 数据收集器：从文件系统和 Git 仓库中收集代码数据。
• 分析器：执行代码分析，包括 AST 解析、依赖映射和模式检测。
• 存储模块：管理数据的持久化，支持多种存储选项。
• AI 集成：与各种 AI 提供商集成，提供智能分析和洞察。
• 可视化和报告：生成直观的图表和详细的报告，方便用户理解分析结果。

数据流程

数据从收集器进入系统，经过分析器处理后存储在存储模块中。用户可以通过 Web 仪表盘或 API 访问分析结果，可视化和报告工具将结果以易于理解的方式呈现给用户。

部署架构

支持多种部署方式，包括单服务器部署、Kubernetes 集群和云服务（如 AWS），以满足不同规模和需求的用户。

性能与可扩展性

通过分布式处理和自动扩展功能，能够高效处理大规模代码库，确保在不同负载下的性能稳定。

安全架构

采用多层次的安全措施，包括身份验证、授权和漏洞检测，保障系统和数据的安全。

技术栈

使用了多种先进的技术和框架，如 FastAPI、React、Prometheus 等，确保系统的高性能和可维护性。

🌐 实时 HTTP 部署

Lyra Intel 通过 MCP 可流式 HTTP 传输协议进行部署，可通过 HTTP 访问，无需本地安装。

端点

https://modelcontextprotocol.name/mcp/lyra-intel

从任何 MCP 客户端连接

将以下配置添加到你的 MCP 客户端配置文件（Claude Desktop、Cursor、SperaxOS 等）中：

{
  "mcpServers": {
    "lyra-intel": {
      "type": "http",
      "url": "https://modelcontextprotocol.name/mcp/lyra-intel"
    }
  }
}

可用工具（6 个）

示例请求

分析 GitHub 仓库

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"analyze_repo","arguments":{"owner":"nirholas","repo":"universal-crypto-mcp"}}}'

获取仓库文件树

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"get_repo_tree","arguments":{"owner":"nirholas","repo":"agenti"}}}'

搜索代码

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"search_code","arguments":{"query":"MCP server","language":"typescript"}}}'

列出所有工具

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

也可在以下平台使用

• SperaxOS — 从 MCP 市场 浏览和安装
• 所有 27 个 MCP 服务器 — 查看完整目录 modelcontextprotocol.name

由 modelcontextprotocol.name 提供支持 — 开放的 MCP HTTP 网关

📈 指标与监控

可在以下地址访问指标：

• Prometheus：http://localhost:9090
• Grafana：http://localhost:3000
• API 健康检查：http://localhost:8080/api/v1/health

关键指标：

• lyra_intel_requests_total - 总 API 请求数
• lyra_intel_analysis_duration_seconds - 分析性能
• lyra_intel_ai_tokens_total - AI 使用跟踪
• lyra_intel_cache_hits_total - 缓存效率

🤝 贡献

我们欢迎贡献！请参阅 CONTRIBUTING.md 获取贡献指南。

🐛 故障排除

常见问题及解决方案：

数据库连接失败

docker-compose restart postgres
docker-compose logs postgres

内存使用率高

# 减少工作进程
export WORKERS=4

# 增加内存限制
docker-compose up -d --scale api=1 --memory 4g

API 速率限制

# 增加配置中的速率限制
export RATE_LIMIT_PER_MINUTE=1000

查看完整的故障排除指南 →

📊 项目状态

• ✅ 核心分析引擎
• ✅ 多语言支持（10 + 种语言）
• ✅ AI 集成（OpenAI、Anthropic、Ollama）
• ✅ 安全扫描（OWASP、密钥、依赖）
• ✅ 导出格式（JSON、HTML、PDF、SARIF、CSV、Excel）
• ✅ IDE 插件（VS Code、JetBrains）
• ✅ 平台集成（GitHub、GitLab、Bitbucket）
• ✅ 云部署（AWS、Kubernetes、Docker）
• ✅ 实时流式传输（WebSocket）
• ✅ Web 仪表盘（React）
• ✅ 监控（Prometheus、Grafana）
• ✅ 企业特性（SSO、RBAC、审计日志）

🌟 展示你的支持

如果你觉得 Lyra Intel 有帮助，不妨考虑：

• ⭐ 给这个仓库加星 - 帮助更多人发现这个项目
• 🐛 报告问题 - 通过报告漏洞帮助我们改进
• 💡 分享想法 - 提出功能和改进建议
• 🤝 贡献代码 - 请参阅 CONTRIBUTING.md 获取贡献指南
• 📢 传播消息 - 与你的团队和社区分享

每一个星星、贡献和推荐都有助于壮大社区！

🙏 致谢

使用了以下出色的开源工具构建：

• OpenAI & Anthropic - AI 模型
• FastAPI - Web 框架
• React - UI 框架
• Prometheus - 监控
• PostgreSQL - 数据库

📧 联系与支持

• 问题与漏洞报告：GitHub 问题
• 文档：完整文档
• 贡献：请参阅 CONTRIBUTING.md

📄 许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

由 nich 用心打造 | 在 X.com 关注我