InsightFlow 3D
基于人工智能的3D存储库可视化平台，具有离线LLM推理功能。
状态：积极发展
______________________________________________________________________
为什么存在InsightFlow
理解大型代码库是困难的，特别是对于新的贡献者。\ InsightFlow将存储库转换为交互式3D“代码城”，以提高架构理解、依赖关系跟踪和上线速度。
开发人员没有扫描数千行代码，而是使用本地AI模型直观地探索结构和查询行为——完全离线。
______________________________________________________________________
系统架构
flowchart TD
A[Repository] --> B[AST Parsing Layer]
B --> C[Graph Model Generator]
C --> D[3D Rendering Engine]
C --> E[LLM Reasoning Layer]
E --> F[Query Interface]______________________________________________________________________
核心组件
1️. 存储库摄入
- 文件系统+Git访问
- 目录→ File → 函数规范化
- 语言无关结构映射
2️. 静态代码分析
- TypeScript编译器API
- Babel解析器
- Python AST
- 提取的元数据：
- 目录层级 - 函数定义 - 通话关系 - 结构复杂性度量
3️. 3D可视化引擎
- React+Three.js+React三光纤
- 目录→ 区域
- 文件→ 建筑物（高度=复杂性）
- 函数→ 动画实体
4️. 离线AI推理
- Ollama本地模型（Llama3、Mistral、Phi-3）
- 有回购意识的解释
- 依赖关系跟踪
- 风险识别
- 完全保护隐私
______________________________________________________________________
技术栈
前端：
- 反应
- 维特
- Three.js
- React三纤维
- 状态
分析：
- AST解析（TypeScript、Babel、Python）
- 模型上下文协议（MCP）
人工智能：
- Ollama（局部推理）
______________________________________________________________________
设计原则
- 隐私第一（无云依赖）
- 架构优先可视化
- 离线AI推理
- 开发人员入职加速
______________________________________________________________________
本地运行
npm install
npm run dev ______________________________________________________________________
项目目标
InsightFlow探索了可视化+人工智能如何通过将静态分析、图形渲染和本地LLM推理结合到统一的开发人员体验中，从根本上改变开发人员与大型系统的交互方式。