SourceSage：大语言模型（LLM）的高效代码内存

功能简介

SourceSage 是一个基于模型上下文协议（MCP）的服务器，旨在帮助大语言模型（LLM）高效地理解和记忆代码库中的关键信息。它支持多种编程语言，并专注于存储和检索代码语义、实体及其关系。

主要特点

1. 利用 LLM 的理解能力：SourceSage 利用 LLM 对代码语义的理解，能够处理多种编程语言。
2. 存储语义知识：与传统的代码分析工具不同，SourceSage 专注于存储代码的语义和实体之间的关系。
3. 语言中立：支持任何 LLM 能够理解的编程语言。
4. 优化存储效率：采用高效的存储机制，最小化 token 使用量。
5. 随 LLM 技术进步而发展：随着 LLM 的能力提升，SourceSage 也能相应改进代码理解和分析。

安装与使用

安装方法

1. 克隆仓库：

   git clone https://github.com/your-repository.git
   cd source-sage
   

2. 运行服务器：

   python3 -m sourcesage.server
   

使用说明

1. 分析代码：通过 LLM 分析你的代码文件。

   "请分析这个 Python 文件，并注册其中的关键实体和关系。"
   

2. 注册实体：LLM 会使用 register_entity 工具来存储代码中的实体。

   "我会注册这个文件中的主类。"
   

3. 查询知识：后续可以通过以下方式查询代码库：

   • 获取定义在代码库中的类列表：

     "请告诉我我的代码库中有哪些类？"
     

   • 查看特定类的详细信息：

     "请显示 `User` 类的详细信息。"
     

4. 获取编码模式：可以查询代码中使用的模式和约定。

   "请告诉我我的代码库中使用了哪些设计模式？"
   

核心功能模块

1. 注册实体：

   • register_entity：用于存储代码中的关键实体（如类、函数等）。
   • register_relationship：用于记录实体之间的关系（如继承、依赖等）。

2. 查询知识：

   • query_entities：根据语言、名称模式或其他条件查询实体。
   • get_entity_details：获取特定实体的详细信息。
   • query_patterns：按编程语言或模式名称查询代码模式。
   • query_style_conventions：按编程语言或约定名称查询编码风格。

3. 统计与清理：

   • get_knowledge_statistics：获取知识图谱的统计数据。
   • clear_knowledge：清空所有存储的知识。

示例工作流

1. 分析代码：

   "请分析这个 Python 文件，并注册其中的关键实体和关系。"
   

2. 注册实体：

   "我会注册这个文件中的主类。"
   

3. 注册关系：

   "我会记录这些类之间的继承关系。"
   

4. 查询知识：
   • 获取类列表：

     "请告诉我我的代码库中有哪些类？"
     

   • 查看特定类的详细信息：

     "请显示 `User` 类的详细信息。"
     

项目贡献

欢迎社区贡献！如果你有任何问题或建议，请随时提交 Pull Request。

许可证

本项目采用 MIT License 许可证，具体详情请参阅 LICENSE 文件。