随着人工智能编写的代码越来越多，我们需要更好的工具来提高AI的可信度。
如果你经常使用AI编程，你应该也会产生类似的问题：
- “如果我重命名 UserId，影响范围会有多大？”
- “此代码路径中哪些函数写入 Redis？”
- “更新此 API 会影响哪些功能？”
Nuanced 正在构建将静态分析与人工智能相结合的工具，以更深入地理解代码行为。通过这种方式，可以帮助人类和机器从根本上理解代码行为。
为什么会有Nuanced的想法，这是因为大多数 AI 编程工具仍然将代码视为“散文”。实际上代码并非“散文”，代码是一种结构：控制流、调用边界、导入以及跨文件约束。如果没有这种结构，模型就会产生幻觉，忽略副作用，并消耗Token。
Nuanced采用的是静态分析，我考虑过让LLM来分析代码的调用链路，但是实测下来，LLM分析出来的调用链路也会存在幻觉问题，并且非常消耗token，所以，目前短期来看，静态分析是更好的解决方案。
更大的上下文窗口并不能解决这个问题。Nuanced认为重要的不是更多的上下文，而是正确的上下文。
python版本是开源的 github.com/nuanced-dev/nuanced
1. CLI (命令行界面) – 提供用户交互接口，支持 init 和 enrich 命令
2. CodeGraph (代码图) – 负责代码图的初始化、加载和增强操作，是系统的核心数据结构
3. CallGraph (调用图生成器) – 使用 jarviscg 库生成函数调用图
4. Utils (工具函数) – 提供超时处理、文件分组等辅助功能
原来是jarviscg，是从一个开源项目fork过来的
PythonJaRvis项目通过自研的Jarvis工具和第三方工具code2flow来生成Python代码的函数调用图。Jarvis工具通过静态分析技术，解析Python代码的语法树，识别函数定义和调用关系，构建完整的函数调用图。项目还提供了完整的评估框架来验证工具的有效性和准确性。
code2flow 为动态语言（如 Python、JavaScript、Ruby 和 PHP）生成调用图，帮助解开“意大利面条”代码和识别孤立的函数。 它将源文件转换为 AST，查找函数定义，并根据函数调用和变量将它们连接起来。
除此之外，Nuanced的蓝图更大，他们提出了语义理解层：
通过在生成新代码之前了解代码含义，帮助 AI 工具做出更明智的决策。将静态分析与运行时行为相结合，使 AI 工具能够全面洞察代码的实际工作方式，从而编写更优质的代码。
通过综合来自不同工具、日志、指标和部署环境的信息，帮助 AI 推理跨服务的交互。
为 AI 工具提供理解代码行为所需的上下文，从而在调试期间提供更清晰的解释，并对其选择进行更透明的推理。
不止静态分析。这是一个更丰富的知识图谱，它将整合：
- 日志和错误报告中的生产行为
- 系统性能指标和资源使用情况
- 服务交互模式
- 部署和配置上下文
Nuanced正在将这些操作数据转换为人工智能助手的结构化上下文。
帮助 AI 编程助手像经验丰富的开发人员一样理解您的代码。
这是最近发布的，需要付费购买，购买后会得到一个许可证密钥。使用它来验证私有的 npm 仓库并安装 TypeScript MCP 服务器。
Nuanced是YC孵化的小型公司，资料显示只有2人，最早推出过检测AI图像的工具DEMO，后来转型到为AI编程工具提供语义层。
- 太松散（纯自然语言）
- 太过死板（原始的 AST 手术）
|
