Transcription
Если вы используете ИИ здесь для исследования вашей кодовой базы, то вам определенно стоит ознакомиться с этим репозиторием под названием understand anything. По сути, этот репозиторий может превратить любую кодовую базу в интерактивную базу знаний, которую вы можете фактически исследовать и задавать вопросы, а также поможет вам сэкономить токены ИИ при проведении исследований, аналогично Graphify, о котором я снял видео на этом канале. И в этом видео я не только покажу вам, как именно настроить ваш understand anything, но и покажу вам разницу между understand anything и graphify. Например, сколько токенов он потребляет? Как выглядит граф знаний для graphify и как выглядит база знаний для understand anything? А затем мы также посмотрим на живую демонстрацию того, как мы можем использовать это для выполнения запросов ИИ, для проведения исследований, сколько токенов это экономит и какой ответ он получает. Поэтому в этом видео я покажу вам, как именно настроить как graphify, так и understand anything в вашем локальном проекте, и как мы можем его использовать, и в чем разница между ними. Итак, сказав это, если вам интересно, давайте приступим к видео. Теперь, прежде чем мы продолжим, я недавно запустил наше школьное сообщество, где я помогаю вам освоить ИИ-агентов, автоматизацию и многое другое. И все это исходит от человека, который раньше работал старшим инженером-программистом ИИ в таких компаниях, как Amazon и Microsoft. И в этом сообществе вы получите более 100 видеоматериалов, таких как шаблоны и рабочие процессы, которые я лично создал и продал более 100 раз. Вдобавок ко всему, вы также получите доступ к нашим еженедельным живым звонкам. И просто чтобы дать вам представление, на этой неделе мы проводим мастер-класс по claw code, где мы углубимся в то, как улучшить точность claw code, когда мы будем использовать его для создания приложений. Плюс, вы также получите полную поддержку сообщества, где у вас будет возможность задавать вопросы и получать прямые ответы. Итак, если вы готовы перейти на новый уровень, обязательно присоединяйтесь, и я увижу вас в сообществе. Отлично. Итак, чтобы начать здесь, вы можете видеть, что у нас есть graphify слева и understand anything справа. Итак, чтобы сначала установить graphify, давайте посмотрим на это. Правильно. Итак, документация здесь, вы можете видеть, что это предварительные требования, убедитесь, что у нас есть Python и UV. Так что UV — это что-то вроде npm, но для Python, и все, что нам нужно было сделать здесь, это просто установить graphify через инструмент UV. Итак, здесь вы можете видеть, что я установил graphify, используя UV, а также установил навыки graphify в мой cloud MD, а также навыки. Но просто, если вы хотите сделать то же самое, например, установить understand anything в репозиторий, это также очень просто. Прокручивая вниз здесь, вы можете видеть, что у него есть быстрое начало. Итак, он говорит вам установить плагины через маркетплейс и claw code. В этом случае я скопирую эту команду прямо здесь. Итак, просто я просто очищу это и начну новую сессию clawo. Итак, здесь я сначала добавлю эти плагины в наш маркетплейс. Итак, теперь вы можете видеть, что он клонирует репозиторий и добавит его в наш маркетплейс. А затем то, что мы собираемся сделать здесь, это установить плагины через маркетплейс после того, как мы их добавили. В этом случае я запущу это. И затем с точки зрения деталей плагина, куда мы хотим его установить, я выберу второй вариант — установить на уровне проекта. Отлично. Итак, теперь, когда у нас установлены как graphify, так и understand anything, следующее, что я собираюсь сделать, это попробовать провести тест затрат и посмотреть, сколько токенов и времени потребовалось для преобразования всей кодовой базы в граф знаний. В этом случае на этот раз я начну с understand anything и попробую посмотреть, как это работает. Итак, просто все, что нам нужно сделать здесь, это я перейду в терминал и просто введу / understand, что проанализирует всю кодовую базу для создания интерактивного графа знаний. В этом случае я введу это прямо сейчас, и здесь вы можете видеть, что он определил, что есть 2000 кандидатных файлов. Это очень большой анализ. Итак, здесь вы можете видеть, что он дает мне некоторую область, которую мы можем выбрать: либо мы можем выбрать основные приложения, такие как папка приложения, библиотеки, компоненты, либо мы можем просто выбрать только библиотеку или все приложение, продолжить в любом случае, или понять игнорировать, что исключит любые части, которые мы не хотим, например, тесты, фикстуры, раскадровки, что угодно. Затем мы просто запускаем то, что осталось. Так что вместо того, чтобы просто позволить ему решать, что является основным, а что неважным, я просто буду использовать understand ignore, чтобы игнорировать вещи, которые на самом деле не имеют отношения, верно? Так что это будет настройка действительно хорошей основы, потому что в будущем мы можем добавлять вещи, и это позволит нам точно настроить, какие вещи мы не должны генерировать граф, возможно, это касается схемы данных или, возможно, некоторых фиктивных данных или некоторых макетов, некоторого раскадровочного кода, материалов компонентов пользовательского интерфейса или, возможно, некоторых материалов для тестирования или бэклога, о которых нам даже не стоит беспокоиться. Тогда, возможно, мы можем добавить это в наш understand ignore, чтобы мы могли вручную изменить это, чтобы нам не приходилось всегда запрашивать его в ИИ. В этом случае я выберу это и позволю ему сначала сгенерировать understand ignore, и посмотрим, что он сделает. Хорошо. Итак, understand ignore здесь полностью настроен. Итак, отфильтровано до 1500 файлов. И вот разбивка. Итак, теперь, если я быстро открою это, и это игнорирование, верно? Итак, у нас есть покрытие тестов, наши сгенерированные материалы, такие как graphify. Есть также некоторые документы из бэклога. Итак, скажем, если вы хотите включить документы, вы можете просто удалить это, верно? Итак, это, по сути, файлы, которые мы хотим игнорировать. Хорошо. Затем вы можете видеть, что он задает мне дополнительные вопросы, чтобы еще больше сократить. Выберите каталоги для исключения. Например, миграции. Я не думаю, что миграции действительно имеют значение. Он просто просматривает схему вместо миграций. Итак, миграции, такие как изменения, которые мы внесли в нашу базу данных. Так что нам не нужно отслеживать это. Есть также константные переменные, типы, dev. Я не думаю, что мы делаем большую разницу, исключая их. И есть также, например, шаблоны электронной почты. И, по сути, просто продолжим. Хорошо. Итак, наконец, вы можете видеть, что мы продвинулись вперед, и теперь вы можете видеть, что у нас есть разные под-агенты здесь, разделенные на разные пакеты, и мы пытаемся обрабатывать и анализировать эти файлы здесь в разных пакетах. В этом случае давайте подождем немного, пока он полностью обработается. Хорошо. Итак, наконец, вы можете видеть, что наша панель understand anything полностью сгенерирована, и теперь вы можете видеть, сколько токенов она потребила, а также сколько узлов и ребер она сгенерировала. Хорошо. Теперь я покажу вам, как мы можем использовать graphify для генерации графа. Итак, просто все, что нам нужно сделать здесь, это скопировать /graph dot, и это будет команда. Начните новую сессию clock, вставьте эту команду, и она сгенерирует весь граф, который вы можете видеть здесь. Итак, он начнет генерироваться, и он сначала задаст мне вопрос, который похож на understand anything, о области для графа знаний. В этом случае, поскольку я уже определил understand ignore относительно того, какие файлы мы будем игнорировать или исключать. Поэтому я фактически передам это и, по сути, укажу, пожалуйста, исключите все файлы, которые у нас есть в файле ignore, и включите только те, которые мы не указали. Итак, теперь вы можете видеть, что он упомянул это, и он сгенерировал граф, и вот сколько токенов он потребил, а также сколько времени это заняло, и это по сравнению с understand anything. Вы можете видеть, что understand anything потребляет вдвое больше, чем мы сгенерировали с помощью graphify, и, безусловно, это будет частью рассмотрения, если у вас есть бюджет на токены. Но пока давайте посмотрим на граф, который он сгенерировал. И чтобы начать с теста панели, давайте сначала попробуем understand anything, чтобы увидеть, как выглядит панель. Просто все, что нам нужно сделать здесь, это ввести /and dashboard. Итак, я перейду в терминал для сессий cloud. Просто введу /and dashboard, и он сгенерирует URL, по которому мы можем щелкнуть и просмотреть панель для графа. Отлично. Итак, наконец, вы можете видеть, что он генерирует весь граф для всего проекта, который потребляет всего около 200 000 токенов, и вот мы здесь. Итак, здесь вы можете видеть, что это обзор проекта. У нас есть разные разделы для всего проекта, а также сколько соединений у нас есть для каждого уровня, который у нас есть. И, кроме того, если я хочу посмотреть на конкретный уровень, например, на компоненты функций, я нажимаю на него, и я также могу видеть все компоненты, которые у нас есть внутри него. Итак, здесь соединения всего графа. Итак, здесь у нас есть наша страница сопоставления, верно? И здесь, если мы прокрутим все влево, у нас есть наша страница отчетов. И для каждого компонента вы можете видеть, если я нажму на него, он покажет вам все дерево компонентов. Итак, здесь находится таблица элементов сопоставления, и внутри таблицы у нас есть конфигурации, у нас есть пустые состояния, и для пустого состояния, если я нажму на это, я также могу отследить его до компонентов, которые используются внутри этого компонента, верно? Итак, если я отслежу его, он фактически находится в слое общих компонентов, есть файл под названием stepguide.tx tx, и, кроме того, вы можете видеть, что он дает вам сводку этого компонента этого файла tsx, что он делает, и если я нажму на другой, он даст вам другое определение и расскажет вам, где он использовался, верно? Так что это намного проще, скажем, если я скажу, хорошо, этот файл здесь вообще не используется, может быть, это мертвый файл, верно? Так что нет соединений, импортированных, и, возможно, нам даже не следует использовать это вместо приложения, верно? Так что это намного проще для вас, чтобы рефакторить код, немного лучше понимать кодовую базу и помочь вам проводить лучшие исследования для вашей кодовой базы, верно? Так что вы можете. Это, по сути, пользовательский интерфейс, который он предлагает, чтобы помочь вам понять и помочь вам провести исследование вашей кодовой базы. Итак, следующее, что мы собираемся рассмотреть, это как мы можем открыть наш вывод graphify, который сохранен в HTML. В этом случае я быстро перейду к graphify и просто введу open graphy graph.html. И теперь, если я открою это, вот как это выглядит. Итак, вы можете видеть, что все компоненты здесь свалены в один граф. Итак, вы можете видеть, что у нас есть эти файлы здесь, верно? Эти отчеты, и, кроме того, вы можете видеть, если я нажму на один из них или сниму выбор с чего-либо, верно? Например, страница выставления счетов, и скажем, если я углублюсь в конкретную страницу, например, страницу выставления счетов, например, верно? Итак, вы можете видеть, что внутри страницы выставления счетов у нас есть куча соседей, верно? Так что куча узлов, которые связаны, но нет способа увидеть родительские или что-то вроде того, они все просто соседи, верно? Нет родительского узла, нет дочерних узлов, это не указывается, просто указывается, что все они являются соседними узлами, верно? До того, как я понял что-либо, я могу видеть ссылку на родителей и дочерние узлы, или, в данном случае, вы можете видеть, что для этого компонента он ссылается на этот интерфейс сопоставления прямо здесь, верно? Итак, я могу четко видеть разницу там, так что это родители, это дочерние узлы, и для каждого дочернего узла здесь вы можете видеть, что он дает описание и также дает функцию, которую он определяет, а также соединения и также экспорты. Итак, вы можете видеть, что есть много подробных вещей, которые мы можем сделать, особенно если вы проводите исследования и пытаетесь понять кодовую базу. Understand anything определенно имеет лучшую визуализацию для помощи вам в проведении исследований вашей кодовой базы. Отлично. Итак, просто чтобы подвести итог, understand anything потребил 200 тысяч токенов на данный момент, и graphify определенно выигрывает в этом. Итак, с точки зрения визуализации панели, understand anything определенно выигрывает в этом, потому что у него лучшая визуализация, и она намного проще для понимания человеком. Так что understand anything определенно выигрывает в этом. Хорошо. Итак, следующее, что мы собираемся рассмотреть, это наш тест использования ИИ. И основной вопрос, который мы пытаемся задать, заключается в том, может ли ИИ здесь использовать graphify или understand anything и попытаться получить нужную нам информацию, а также сколько токенов было потреблено и сколько времени это заняло, верно? Это основной вопрос, на который мы пытаемся ответить и сравнить разницу между ними. Итак, если я быстро открою терминал, вы можете видеть, что у нас есть understand anything, задающий тот же вопрос, а также graphify здесь, также начиная новую сессию терминала с claw code и задавая тот же вопрос. Итак, один использует graphite explain, а другой использует understand anything для understand explain, и оба задают один и тот же вопрос. Итак, вы можете видеть, что для understand anything он запускает навык understand explain, и он просто сгенерирует ответ. Теперь сразу же я определенно скажу, что understand anything определенно дает вам лучший ответ, но вы можете видеть разницу здесь. Я покажу вам это через секунду. Итак, для graphify здесь вы можете видеть, что это ответ, который он генерирует для меня. Итак, алгоритм сопоставления транзакций счетов здесь показывает вам таблицу, и, кроме того, вы можете видеть, что он показывает вам кучу файлов, кучу правил и просто кучу текста, и в целом вы можете видеть, сколько токенов он потребил и сколько времени это заняло, и с точки зрения understand anything, вы можете видеть, что он гораздо более визуализирован. Он показывает вам, где это находится, сначала показывает вам файл, а затем показывает вам, откуда он взялся, что является двоичным файлом n styling match. К счастью, это приложение на самом деле исходило из рабочего процесса n, поэтому я преобразовал этот рабочий процесс в приложение, которое вы видите здесь, и именно поэтому он действительно углубился, чтобы найти, что он на самом деле исходил из стиля n. И, кроме того, вы можете видеть, что он дает вам ту же таблицу, где все они находят один и тот же ответ, и с точки зрения файлов здесь вы можете видеть, что он также дает вам подробный алгоритм, такой как шаг первый, шаг второй, шаг третий, чего нет у graphify, он просто дает вам кучу текста, верно? Итак, вы можете видеть, что он дает вам блок-схемы, как это работает: загрузите квитанции и пользователь откройте модель, верно? Итак, это гораздо более визуализировано, гораздо проще понять. Но, кроме того, вы можете видеть, что токены здесь примерно одинаковы, и время здесь, токены примерно одинаковы для обоих. Но определенно, я бы сказал, что understand anything здесь, безусловно, дает вам гораздо более простой способ визуализировать, понять, а также дает вам аналогичное использование токенов по сравнению с graphify. Хорошо. Итак, последняя часть, которую я хочу рассмотреть, это процесс онбординга. Итак, процесс онбординга здесь, вы можете видеть, что оба они предлагают похожие функции. Итак, для graphify здесь фактически преобразует всю кодовую базу в единую вики, а understand anything здесь фактически преобразует все и суммирует это в один файл MD. Так что это разница между ними, и вы можете видеть здесь, что это выглядит так после того, как я суммировал это с обзором проекта, слоями архитектуры, верно? Итак, вот как выглядит файл онбординга MD, который генерирует understand anything, а с точки зрения graphify здесь он просто добавляет вики, включая 77 статей, которые у нас есть в наших локальных каталогах, так что это будет просто папка вики, содержащая всю документацию, которую у нас есть, и это, по сути, разница между двумя, честно говоря, на мой взгляд, я думаю, что в процессе онбординга у обоих есть свои конкурентные преимущества. Если вы предпочитаете вики, то определенно graphify. Если вы предпочитаете суммирование, то определенно understand anything. Отлично. Итак, следующий раздел, который мы рассмотрим, это устаревшие данные. Итак, как мы можем убедиться, что наш граф здесь обновляется при внесении изменений. Итак, здесь вы можете видеть, что оба, такие как graphify, а также understand anything, также имеют рабочий процесс автоматического обновления. Итак, каждый раз, когда вы делаете коммит git или переключаетесь на другую ветку, он автоматически запускает /graphify updates, который автоматически обновит граф на основе последних изменений. И для understand anything он следует похожему подходу. Итак, если вы введете / understand auto update, он автоматически обновится на основе последних изменений, которые у вас есть в ваших коммитах. Итак, для этого я определенно скажу, что understand anything и graphify здесь оба выигрывают в этом. Хорошо. Итак, последняя часть, о которой мы хотим поговорить, это конфиденциальность и локальная модель. Итак, graphify здесь поддерживает локальную модель, которую вы можете видеть здесь. Итак, каждая команда, которую мы выполняем, например, graphite extract, я могу указать используемую нами модель бэкэнда, например, используя Olama или используя bedrock от AWS, вы также можете указать это и убедиться, что вы установили переменные среды, он вызовет API бэкэнда или локальную модель бэкэнда, и все, что вам нужно сделать здесь, это запустить llama serve, убедившись, что ваша локальная модель здесь запущена, и вы сможете ее вызвать. Но с точки зрения understand anything здесь вы можете видеть, что он на самом деле не поддерживает это по умолчанию, так что нет документированного пути к локальной модели, и ваш код фактически идет к любому поставщику, к которому подключен ваш ID. И, как вы можете видеть, это, по сути, разница между understand anything и graphify здесь с точки зрения локальной модели. Итак, по сути, вы можете видеть, что это все для этого видео. В этом видео мы провели глубокое сравнение между understand anything и graphify. Отлично. Итак, теперь, чтобы показать вам разницу между ними для understand anything и graphify. Вы можете четко видеть, что один потребляет больше токенов, но определенно дает вам лучшую визуализацию с точки зрения панели использования ИИ, в то время как он по-прежнему поддерживает такие функции, как процесс онбординга и поддержка автоматического обновления для устаревших данных. И единственное, что understand anything здесь не поддерживает, это ваша локальная большая функция модели. И это, по сути, разница между understand anything и graphify. И моя рекомендация заключается в том, что вы можете попробовать использовать оба и иметь два графа, поддерживаемых в вашем репозитории, и работать над ними одновременно. Например, для лучшей визуализации вы можете попробовать использовать understand anything, а для меньшего потребления токенов вы можете попробовать использовать graphify вместо этого. И, конечно же, если вы хотите получить полное руководство, которое я написал в этом видео для ярлыков, а также шпаргалок, всего, что касается graphify и understand anything, убедитесь, что вы можете проверить наше школьное сообщество, где вы можете скачать его и использовать для своих проектов. Итак, по сути, это все для этого видео. И если вы нашли это видео полезным, пожалуйста, поставьте лайк этому видео, рассмотрите возможность подписки на больше контента такого рода. Но сказав это, я увижу вас в следующем видео.