- Un pipeline multiagente analiza automáticamente todos los archivos, funciones, clases y dependencias del proyecto, y los convierte en un grafo de conocimiento interactivo de IA
- Inicia el análisis con
/understand y ejecuta el panel web con /understand-dashboard
- Ofrece dos vistas: grafo estructural (nodos de archivos/funciones/clases) y grafo de dominio (mapeo de procesos de negocio)
- Codificación por colores por capa de arquitectura; al hacer clic en un nodo se puede ver un resumen en texto plano y sus relaciones
- Con
/understand-knowledge analiza la wiki LLM del patrón Karpathy, interpreta wikienlaces y categorías, y luego agentes LLM extraen relaciones implícitas y entidades para convertirlas en un grafo force-directed
- Soporta búsqueda difusa y semántica: permite buscar no solo por nombre, sino también por significado
- Con
/understand-diff permite identificar el análisis de impacto de cambios (efecto dominó) antes de hacer commit
- Generación automática de recorridos guiados: indica el orden para aprender el codebase mediante walkthroughs de arquitectura ordenados según dependencias
- UI adaptativa por persona: ajusta automáticamente el nivel de detalle del panel según se trate de un desarrollador junior, PM o usuario avanzado
- Explica con contexto 12 patrones de programación (genéricos, closures, decorators, etc.) en el lugar donde aparecen dentro del código
- Está compuesto por 5 agentes especializados (
project-scanner, file-analyzer, architecture-analyzer, tour-builder, graph-reviewer) más 2 agentes para análisis de dominio/wiki; el analizador de archivos procesa hasta 5 en simultáneo y 20~30 por lote, con soporte para actualizaciones incrementales
- Como el grafo de conocimiento es JSON, puede compartirse con todo el equipo con solo hacer un commit — con la opción
--auto-update y un hook post-commit, el grafo se sincroniza automáticamente en cada commit
- Compatible con 10 plataformas de codificación con IA, incluidas Claude Code, Codex, Cursor, Copilot, Gemini CLI, OpenCode y Pi Agent
- Licencia MIT
1 comentarios
Cuando salió al principio, lo probé, pero quizá porque el codebase al que se lo apliqué era grande, vi que en el grafo de conocimiento que generó había cosas incorrectas o faltantes. Ya pasaron dos meses, así que tendré que volver a probarlo. Seguro también ha mejorado.