Lyra Intel

🚀 Lyra Intel

大規模コードベース分析のための完全なインテリジェンスインフラストラクチャエンジン

🚀 クイックスタート

数回のコマンドですぐに始めることができます。複雑なセットアップは必要ありません。

# 1. リポジトリをクローンする
git clone https://github.com/nirholas/lyra-intel.git
cd lyra-intel

# 2. インストールする (Python 3.9+が必要)
pip install -e .

# 3. クイックスキャン - 30秒でLyra Intelが見つけるものを確認する
python cli.py scan /path/to/any/code

# 4. 完全な分析 - 包括的なレポート
python cli.py analyze /path/to/code --output ./results.json

# 5. 結果を表示する
cat results.json | jq .  # JSONを整形して表示

# 6. (オプション) Webダッシュボードを起動する
python launch_dashboard.py
# 次に、http://localhost:8080にアクセスする

期待される結果

scanを実行した後、次のような出力が表示されます。

✅ Analyzing repository...
📊 Files analyzed: 156
📈 Total functions: 1,247
⚠️  Issues found: 43
🔐 Security findings: 5

analyzeを実行すると、次のような詳細なJSONが生成されます。

• Metrics: 行数、複雑度、テストカバレッジ
• Security: 脆弱性、シークレットの検出
• Dependencies: インポート関係、循環依存
• Patterns: コードの悪い習慣、アンチパターン
• Git history: コミット統計、貢献者

詳細なクイックサンプルを見る →

✨ 主な機能

Lyra Intelには、機能別に整理された70以上の専用コンポーネントが含まれています。

📦 インストール

前提条件

• Python 3.9以上

インストール手順

# リポジトリをクローンする
git clone https://github.com/nirholas/lyra-intel.git
cd lyra-intel

# インストールする
pip install -e .

💻 使用例

基本的な使用法

# クイックスキャン
python cli.py scan /path/to/any/code

# 完全な分析
python cli.py analyze /path/to/code --output ./results.json

高度な使用法

# 特定のオプションを使用して分析する
python cli.py analyze /path/to/code --output ./results.json --option1 value1 --option2 value2

📚 ドキュメント

Lyra Intelには、プラットフォームのあらゆる側面をカバーする包括的なドキュメントが含まれています。

コアドキュメント

• 📖 FEATURES.md - 詳細な機能ドキュメントとコードサンプル:

  • セマンティック検索 (MLによるコード検索)
  • SSO統合 (OAuth 2.0、SAML 2.0、LDAP)
  • 言語パーサー (C++、C#、Ruby、PHP)
  • プラグインシステム
  • IDE拡張機能 (VS Code、JetBrains)
  • CI/CD統合 (GitLab、Bitbucket、GitHub Actions)
  • エクスポート形式 (PDF、SARIF、Excel、CSV)
  • WebSocketストリーミング
  • インタラクティブCLI
  • Webダッシュボード
  • モニタリングとメトリクス (Prometheus、Grafana)

• 💻 EXAMPLES.md - 実際のコードサンプル:

  • クイックスタート (60秒での分析)
  • コア分析ワークフロー
  • セマンティック検索の使用
  • SSOのセットアップと構成
  • 言語固有のパーシング
  • カスタムプラグインの開発
  • IDE拡張機能のインストール
  • CI/CDパイプラインの統合
  • リアルタイムWebSocketストリーミング
  • モニタリングのセットアップ
  • 完全なエンドツーエンドワークフロー

• 🏗️ ARCHITECTURE.md - 技術的なアーキテクチャドキュメント:

  • システムの概要と設計
  • コアコンポーネントのアーキテクチャ
  • データフロー図
  • モジュールの組織
  • 拡張ポイント
  • デプロイメントアーキテクチャ (単一サーバー、Kubernetes、AWS)
  • パフォーマンスとスケーラビリティ
  • セキュリティアーキテクチャ
  • 技術スタック

• 🔌 API.md - 完全なREST APIリファレンス

• 🚀 DEPLOYMENT.md - デプロイメントガイド (Docker、Kubernetes、AWS)

• 📜 openapi.yaml - OpenAPI 3.0仕様

実践的なワークフロー

• 💼 USE_CASES.md - 実践的なワークフローとベストプラクティス:
  • レガシーコードベースのセキュリティ対策
  • コミット前のコード品質ゲート
  • CI/CDセキュリティパイプライン
  • コードレビューの支援
  • モノレポの移行計画
  • 技術的負債の追跡
  • チームの知識ベースの構築
  • 統合パターン
  • パフォーマンス最適化のヒント

始めるためのガイド

• ⚡ QUICKSTART.md - 5分で起動して実行する
• 🔧 INSTALL.md - インストール手順
• 📚 TUTORIAL.md - 一般的なユースケースのステップバイステップチュートリアル:
  • 最初の分析
  • セキュリティ監査
  • セマンティック検索のセットアップ
  • CI/CD統合
  • カスタムプラグインの開発
  • 本番環境のデプロイ
  • リアルタイムダッシュボード
• ❓ FAQ.md - よくある質問
• 🤝 CONTRIBUTING.md - 貢献ガイドライン

💼 一般的なユースケース

実際のチームがLyra Intelを使用しています。

🔒 セキュリティチーム

「私たちの50万行のコードベースを脆弱性についてスキャンする必要があります」

• レガシーコードベースのセキュリティ対策 - 30分で完全な監査
• 自動化されたCI/CDセキュリティゲート
• セキュアでないコードをブロックするコミット前フック
• 定期的なスケジュールされたセキュリティスキャン

👨‍💻 開発チーム

「新しい開発者が加入する - 20万行のコードベースで彼らをオンボードするにはどうすればいいですか？」

• チームの知識ベースを構築する - コードベース全体でセマンティック検索
• 似たようなコードパターンを見つける
• 可視化を通じてアーキテクチャを理解する
• 技術的負債を追跡する

🏗️ プラットフォームチーム

「Node 14からNode 18にアップグレードする必要があります - 安全ですか？」

• モノレポの移行計画を立てる - 段階的な移行計画
• すべてのパッケージに対する影響を分析する
• 破壊的な変更を特定する
• パッケージごとの作業量を見積もる

📊 エンジニアリングリーダー

「私たちのコード品質は改善しているのか、それとも悪化しているのか？」

• 技術的負債を追跡する - 月次のトレンド追跡
• 時間の経過に伴うメトリクスを可視化する
• 最初に修正するものを優先順位付けする
• データ駆動型のレポートを管理層に提示する

🔍 コードレビュー

「レビューに時間がかかりすぎています - PRごとに30分」

詳細なユースケースを見る →

🤖 MCP統合 (Claude & LLMs)

Claude、Claude Code、またはMCP互換のLLMから直接Lyra Intelを使用できます。

クイックセットアップ

# Claude Code - 1コマンド
npx lyra-intel-mcp

# Claude Desktop - 設定に追加
{
  "mcpServers": {
    "lyra-intel": {
      "command": "npx",
      "args": ["-y", "lyra-intel-mcp"]
    }
  }
}

利用可能なMCPツール

サンプルプロンプト

"~/code/myappのプロジェクトをセキュリティ問題について分析してください"
"コードベース内の認証パターンを検索してください"
"過去7日間の新しいMCP暗号ツールをGitHubでスキャンしてください"
"検出パイプラインを実行し、承認されたツールを提出してください"

完全なMCPドキュメントを見る →

🏛️ アーキテクチャ

lyra-intel/
├── src/
│   ├── core/           # メインエンジンのオーケストレーション
│   ├── collectors/     # データ収集 (ファイル、git)
│   ├── analyzers/      # コード分析 (AST、依存関係、パターン)
│   ├── storage/        # データベースと永続化
│   ├── agents/         # マルチエージェントシステム
│   ├── search/         # コードとセマンティック検索
│   ├── query/          # 自然言語クエリ
│   ├── visualizers/    # グラフ生成
│   ├── reports/        # レポート生成
│   ├── web/            # Webダッシュボード
│   ├── api/            # REST APIサーバー
│   ├── auth/           # 認証と承認
│   ├── plugins/        # プラグインシステム
│   ├── ai/             # AI統合
│   ├── metrics/        # メトリクス収集
│   ├── events/         # イベントシステム
│   ├── notifications/  # 通知とアラート
│   ├── forensics/      # 法医学的分析
│   ├── cache/          # キャッシュ層
│   ├── pipeline/       # ストリーミングパイプライン
│   ├── testing/        # テストインフラストラクチャ
│   ├── knowledge/      # 知識グラフシステム
│   ├── diff/           # 差分と影響分析
│   ├── generation/     # コード生成
│   ├── security/       # セキュリティスキャン
│   ├── migration/      # 移行計画
│   ├── profiler/       # パフォーマンスプロファイリング
│   ├── schema/         # スキーマ分析
│   ├── docgen/         # ドキュメント生成
│   ├── integrations/   # 外部統合
│   └── workflow/       # ワークフローエンジン
├── config/             # 設定ファイル
├── scripts/            # ユーティリティスクリプト
├── Dockerfile          # コンテナビルド
├── docker-compose.yml  # マルチサービスデプロイメント
└── cli.py              # コマンドラインインターフェース

処理モード

ローカルモード

開発と小規模リポジトリに最適です。

from src import LyraIntelEngine, EngineConfig, ProcessingMode

config = EngineConfig(mode=ProcessingMode.LOCAL, max_workers=8)
engine = LyraIntelEngine(config)
result = await engine.analyze_repository("/path/to/repo")

分散モード

複数のワーカーを使用するより大きなコードベースに適しています。

config = EngineConfig(
    mode=ProcessingMode.DISTRIBUTED,
    max_workers=50,
)

クラウド大規模モード

エンタープライズ規模の分析に適しています。

config = EngineConfig(
    mode=ProcessingMode.CLOUD_MASSIVE,
    cloud_provider="aws",
    cloud_region="us-east-1",
    max_cloud_workers=1000,
)

分析結果

エンジンは、次のような包括的な分析を行います。

• ファイルメトリクス: 総ファイル数、サイズ、拡張子別の行数
• コード構造: 関数、クラス、メソッドとその複雑度スコア
• 依存関係: インポート/エクスポート関係、循環依存
• Git履歴: コミット、作者、変更頻度
• パターン: コードの悪い習慣、アンチパターン、セキュリティ問題

結果はSQLite (または構成されたバックエンド) に保存され、JSONとしてエクスポートできます。

クラウドサポート

Lyra Intelは、クラウドリソースを効率的に活用するように設計されています。

自動スケーリングとコスト最適化機能が含まれています。

Lyra Intelの比較

要約: Lyra Intelは、深いコード理解 + AI洞察 + 完全なコントロールを求めるチームに最適で、すべてオープンソースです。

🛣️ ロードマップ

✅ フェーズ1: コアプラットフォーム (完了)

• 70以上のコンポーネントを備えた完全な分析エンジン
• 多言語パーシング (10以上の言語)
• 依存関係グラフとパターン検出
• Git履歴分析と法医学的分析
• セキュリティスキャン (50以上のパターン)
• AI統合 (OpenAI、Anthropic、Ollama)

✅ フェーズ2: エンタープライズ機能 (完了)

• 15以上のエンドポイントを備えたREST API
• インタラクティブな可視化を備えたWebダッシュボード
• 知識グラフとセマンティック検索
• RBAC、SSO、および認証
• コード生成と移行計画
• IDEプラグイン (VS Code、JetBrains)

✅ フェーズ3: スケールとパフォーマンス (完了)

• 10万ファイル以上の分散分析
• クラウド大規模モード (AWS/GCP/Azureの自動スケーリング)
• リアルタイムストリーミング分析
• MLベースのコードレビュー
• パフォーマンスプロファイリングと最適化
• スキーマ分析とワークフローエンジン

🔄 フェーズ4: 高度な機能 (進行中)

• コード理解のための強化されたMLモデル
• カスタムモデルの微調整
• 高度なコンプライアンスレポート
• リアルタイムダッシュボードの改善
• パフォーマンスベンチマークスイート

📅 将来のフェーズ

• 自動的な修復提案
• より多くのCI/CDプラットフォームとの統合
• ダッシュボードアクセス用のモバイルアプリ
• 高度な可視化オプション
• コミュニティプラグインマーケットプレイス

📈 メトリクスとモニタリング

次の場所でメトリクスにアクセスできます。

• Prometheus: http://localhost:9090
• Grafana: http://localhost:3000
• APIのヘルスチェック: http://localhost:8080/api/v1/health

主要なメトリクス:

• lyra_intel_requests_total - 総APIリクエスト数
• lyra_intel_analysis_duration_seconds - 分析パフォーマンス
• lyra_intel_ai_tokens_total - AIの使用量追跡
• lyra_intel_cache_hits_total - キャッシュ効率

🤝 貢献

貢献を歓迎します！ガイドラインについては、CONTRIBUTING.md を参照してください。

🐛 トラブルシューティング

一般的な問題と解決策:

データベース接続に失敗した場合

docker-compose restart postgres
docker-compose logs postgres

メモリ使用量が高い場合

# ワーカーを減らす
export WORKERS=4

# メモリ制限を増やす
docker-compose up -d --scale api=1 --memory 4g

APIのレート制限に達した場合

# 設定でレート制限を増やす
export RATE_LIMIT_PER_MINUTE=1000

包括的なトラブルシューティングについては、DEPLOYMENT.md を参照してください。

📊 プロジェクトの状態

• ✅ コア分析エンジン
• ✅ 多言語サポート (10以上の言語)
• ✅ AI統合 (OpenAI、Anthropic、Ollama)
• ✅ セキュリティスキャン (OWASP、シークレット、依存関係)
• ✅ エクスポート形式 (JSON、HTML、PDF、SARIF、CSV、Excel)
• ✅ IDEプラグイン (VS Code、JetBrains)
• ✅ プラットフォーム統合 (GitHub、GitLab、Bitbucket)
• ✅ クラウドデプロイメント (AWS、Kubernetes、Docker)
• ✅ リアルタイムストリーミング (WebSocket)
• ✅ Webダッシュボード (React)
• ✅ モニタリング (Prometheus、Grafana)
• ✅ エンタープライズ機能 (SSO、RBAC、監査ログ)

🌟 サポートを表明する

Lyra Intelが役立つと思われる場合は、以下のことを検討してください。

• ⭐ このリポジトリをスターする - 他の人がプロジェクトを発見するのに役立ちます
• 🐛 問題を報告する - バグを報告して改善に貢献しましょう
• 💡 アイデアを共有する - 機能や改善点を提案しましょう
• 🤝 貢献する - ガイドラインについては、CONTRIBUTING.md を参照してください
• 📢 広める - チームやコミュニティと共有しましょう

すべてのスター、貢献、言及がコミュニティの成長に役立ちます！

🙏 謝辞

素晴らしいオープンソースツールを使用して構築されています。

• OpenAI & Anthropic - AIモデル
• FastAPI - Webフレームワーク
• React - UIフレームワーク
• Prometheus - モニタリング
• PostgreSQL - データベース

📧 連絡先とサポート

• 問題とバグ報告: GitHub Issues
• ドキュメント: Full Documentation
• 貢献について: CONTRIBUTING.md を参照してください

📄 ライセンス

MITライセンス - 詳細については、LICENSE ファイルを参照してください。

Made with❤️by nich | Follow me on X.com