pi22by7/In-Memoria

Однократный анализ конкретного файла или директории. Возвращает структуру AST, показатели сложности и обнаруженные шаблоны только для этого пути. Для понимания всего проекта используйте get_project_blueprint (быстрее, использует накопленные знания). Используйте для глубокого анализа конкретного файла, над которым вы сейчас работаете.

Автоматически обучается на кодовой базе, если данные интеллекта отсутствуют или устарели. Вызывайте это в первую очередь перед использованием других инструментов In-Memoria. Если данные уже существуют, операция ничего не делает. Включает настройку и проверку проекта. Идеально подходит для бесшовной интеграции с агентом.

Позволяет AI агентам сохранять обнаруженные инсайты (паттерны ошибок, оптимизации, лучшие практики) обратно в In-Memoria для будущего использования. Используйте это, когда обнаруживаете повторяющийся паттерн, потенциальную ошибку или возможность рефакторинга, о которых должны знать другие агенты или сессии. Создаёт организационную память между диалогами.

Получает шаблоны и соглашения, извлечённые из стиля кода этой кодовой базы. Показывает часто используемые шаблоны (DI, Factory и т.д.), соглашения об именовании и архитектурные предпочтения. Используйте это, чтобы понять, «как у нас принято работать», перед написанием нового кода. Примечание: это относится к стилю кодовой базы, а не к отдельным разработчикам.

Получает подробные метрики о базе знаний и состоянии обучения

Получает рекомендации по паттернам кодирования, извлечённые из этой кодовой базы. Используйте это при реализации новых функций, чтобы следовать существующим паттернам (например, «создайте новый класс сервиса», «добавьте конечную точку API»). Возвращает такие паттерны, как Factory, Singleton, DependencyInjection с оценками достоверности и реальными примерами из вашего кода. Эти паттерны извлекаются из кодовой базы, а не задаются жёстко - они отражают то, как ЭТОТ проект делает вещи.

Получает метрики производительности, включая размер базы данных, время запросов и использование ресурсов.

Мгновенно получает план проекта: устраняет необходимость разбираться с нуля, предоставляя стек технологий, точки входа, ключевые директории и обзор архитектуры.

Ищет символы уровня кода (переменные, функции, классы) по имени и показывает их связи, шаблоны использования и эволюцию. Использует это, чтобы найти, где определена конкретная функция/класс, как она используется или от чего зависит. Ищет фактические идентификаторы кода (например, "DatabaseConnection", "processRequest"), а НЕ бизнес-концепции или описания на естественном языке.

Получает всесторонний статус системы, включая аналитические данные, показатели производительности и индикаторы работоспособности.

Проверяет настройку и конфигурацию In-Memoria для проекта. Проверяет доступность базы данных, структуру проекта и API-ключи.

Строит базу знаний из кодовой базы (однократная настройка, ~30-60 с). Требуется перед использованием predict_coding_approach, get_project_blueprint или get_pattern_recommendations. Повторно запускается с force=true, если кодовая база значительно изменилась. Большинству пользователей следует использовать auto_learn_if_needed вместо этого - он запускает это автоматически при необходимости.

Находит, какие файлы нужно изменить для задачи, с помощью интеллектуальной маршрутизации файлов. Используйте этот инструмент, когда пользователь спрашивает «где мне...», «какие файлы...» или «как мне добавить/реализовать...», чтобы направить его напрямую к нужным файлам без исследования. Возвращает целевые файлы, предлагаемую начальную точку и обоснование на основе сопоставления функций и интеллектуального анализа кодовой базы.

Ищет код по текстовому совпадению или шаблонам. Для поиска конкретных строк/ключевых слов в коде используйте тип "text". Для поиска по регулярным выражениям или шаблонам AST используйте тип "pattern". Примечание: на вопросы вроде "где мне работать?" или "какие файлы изменить?" используйте вместо этого predict_coding_approach - он предлагает интеллектуальную маршрутизацию файлов без поиска.