CodeAlive: поиск по коду и документации, AI Code Review

Используемые навыки API Large Language Models (LLMs) LLM Prompt Engineering Архитектура решений Искусственный интеллект

Описание

CodeAlive помогает разработчикам и AI-агентам ориентироваться в больших кодовых базах. На репозиториях в сотни тысяч и миллионы строк поиск нужного контекста отнимает время и токены, а неполный контекст приводит к ошибкам в ответах.

Решение

Я основатель CodeAlive и руковожу разработкой RAG-движка. С командой развиваем базу знаний о проекте, агентное исследование кодовой базы и AI Code Review с учётом связей между компонентами.

Семантический поиск и граф кода помогают подбирать контекст. Движок подключается к Claude Code, Codex, OpenCode и другим агентам через MCP и API.

Результат

В RepoContextBench сравнили CodeAlive и OpenCode на 40 вопросах по двум open-source репозиториям. Оба агента работали на одной модели DeepSeek V4.1 Flash.

CodeAlive получил 65 баллов из 100, OpenCode — 47. На репозитории в 1,5 млн строк CodeAlive использовал в 3,6 раза меньше токенов и отвечал в 3 раза быстрее. Методика и результаты опубликованы.