Lyra Intel

🚀 Lyra Intel

Lyra Intel 是一個完整的智能基礎設施引擎，用於大規模代碼庫分析。它能借助人工智能驅動的洞察、安全掃描和語義搜索，以快 10 - 100 倍的速度分析代碼庫。

🚀 快速開始

只需幾條命令，即可快速上手，無需複雜設置。

# 1. 克隆倉庫
git clone https://github.com/nirholas/lyra-intel.git
cd lyra-intel

# 2. 安裝（需要 Python 3.9+）
pip install -e .

# 3. 快速掃描 - 查看 Lyra Intel 在 30 秒內的發現
python cli.py scan /path/to/any/code

# 4. 全面分析 - 生成詳細報告
python cli.py analyze /path/to/code --output ./results.json

# 5. 查看結果
cat results.json | jq .  # 美化打印 JSON

# 6. （可選）啟動 Web 儀表盤
python launch_dashboard.py
# 然後訪問 http://localhost:8080

預期結果

運行 scan 命令後，你將看到：

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

運行 analyze 命令將生成詳細的 JSON 文件，包含：

• 指標：行數、複雜度、測試覆蓋率
• 安全：漏洞、密鑰檢測
• 依賴：導入關係、循環依賴
• 模式：代碼異味、反模式
• Git 歷史：提交統計、貢獻者

查看更多快速示例 →

✨ 主要特性

Lyra Intel 包含 70 多個按功能組織的專業組件：

📦 安裝指南

克隆倉庫

git clone https://github.com/nirholas/lyra-intel.git
cd lyra-intel

安裝（需要 Python 3.9+）

pip install -e .

💻 使用示例

基礎用法

# 快速掃描
python cli.py scan /path/to/any/code

# 全面分析
python cli.py analyze /path/to/code --output ./results.json

高級用法

# 啟動 Web 儀表盤
python launch_dashboard.py
# 然後訪問 http://localhost:8080

📚 詳細文檔

Lyra Intel 包含全面的文檔，涵蓋了平臺的各個方面：

核心文檔

• 📖 FEATURES.md - 詳細的特性文檔，包含以下內容的代碼示例：

  • 語義搜索（基於機器學習的代碼搜索）
  • SSO 集成（OAuth 2.0、SAML 2.0、LDAP）
  • 語言解析器（C++、C#、Ruby、PHP）
  • 插件系統
  • IDE 擴展（VS Code、JetBrains）
  • CI/CD 集成（GitLab、Bitbucket、GitHub Actions）
  • 導出格式（PDF、SARIF、Excel、CSV）
  • WebSocket 流式傳輸
  • 交互式 CLI
  • Web 儀表盤
  • 監控與指標（Prometheus、Grafana）

• 💻 EXAMPLES.md - 實用的代碼示例，包括：

  • 快速開始（60 秒分析）
  • 核心分析工作流
  • 語義搜索使用方法
  • SSO 設置與配置
  • 特定語言解析
  • 自定義插件開發
  • IDE 擴展安裝
  • CI/CD 管道集成
  • 即時 WebSocket 流式傳輸
  • 監控設置
  • 完整的端到端工作流

• 🏗️ ARCHITECTURE.md - 技術架構文檔：

  • 系統概述與設計
  • 核心組件架構
  • 數據流圖
  • 模塊組織
  • 擴展點
  • 部署架構（單服務器、Kubernetes、AWS）
  • 性能與可擴展性
  • 安全架構
  • 技術棧

• 🔌 API.md - 完整的 REST API 參考

• 🚀 DEPLOYMENT.md - 部署指南（Docker、Kubernetes、AWS）

• 📜 openapi.yaml - OpenAPI 3.0 規範

實際工作流

• 💼 USE_CASES.md - 實用的工作流和最佳實踐：
  • 保護遺留代碼庫
  • 提交前代碼質量檢查
  • CI/CD 安全管道
  • 代碼審查輔助
  • 單體代碼庫遷移規劃
  • 技術債務跟蹤
  • 構建團隊知識庫
  • 集成模式
  • 性能優化技巧

入門指南

• ⚡ QUICKSTART.md - 5 分鐘快速上手
• 🔧 INSTALL.md - 安裝說明
• 📚 TUTORIAL.md - 常見用例的逐步教程：
  • 首次分析
  • 安全審計
  • 語義搜索設置
  • CI/CD 集成
  • 自定義插件開發
  • 生產部署
  • 即時儀表盤
• ❓ FAQ.md - 常見問題解答
• 🤝 CONTRIBUTING.md - 貢獻指南

🔧 技術細節

架構

lyra-intel/
├── src/
│   ├── core/           # 主引擎編排
│   ├── collectors/     # 數據收集（文件、git）
│   ├── analyzers/      # 代碼分析（AST、依賴、模式）
│   ├── storage/        # 數據庫和持久化
│   ├── agents/         # 多智能體系統
│   ├── search/         # 代碼和語義搜索
│   ├── query/          # 自然語言查詢
│   ├── visualizers/    # 圖生成
│   ├── reports/        # 報告生成
│   ├── web/            # Web 儀表盤
│   ├── api/            # REST API 服務器
│   ├── auth/           # 身份驗證和授權
│   ├── plugins/        # 插件系統
│   ├── ai/             # AI 集成
│   ├── metrics/        # 指標收集
│   ├── events/         # 事件系統
│   ├── notifications/  # 通知和警報
│   ├── forensics/      # 法醫分析
│   ├── cache/          # 緩存層
│   ├── pipeline/       # 流式管道
│   ├── testing/        # 測試基礎設施
│   ├── knowledge/      # 知識圖譜系統
│   ├── diff/           # 差異和影響分析
│   ├── generation/     # 代碼生成
│   ├── security/       # 安全掃描
│   ├── migration/      # 遷移規劃
│   ├── profiler/       # 性能分析
│   ├── schema/         # 模式分析
│   ├── docgen/         # 文檔生成
│   ├── integrations/   # 外部集成
│   └── workflow/       # 工作流引擎
├── config/             # 配置文件
├── scripts/            # 實用腳本
├── Dockerfile          # 容器構建
├── docker-compose.yml  # 多服務部署
└── cli.py              # 命令行界面

處理模式

本地模式

適用於開發和小型倉庫：

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")

分佈式模式

適用於具有多個工作進程的較大代碼庫：

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

雲大規模模式

適用於企業級分析：

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

分析結果

引擎生成全面的分析結果，包括：

• 文件指標：總文件數、大小、按擴展名的行數
• 代碼結構：函數、類、方法及其複雜度得分
• 依賴：導入/導出關係、循環依賴
• Git 歷史：提交、作者、更改頻率
• 模式：代碼異味、反模式、安全問題

結果存儲在 SQLite（或你配置的後端）中，並可以 JSON 格式導出。

雲支持

Lyra Intel 旨在高效利用雲資源：

包含自動擴展和成本優化功能。

💼 常見用例

實際團隊使用 Lyra Intel 進行以下工作：

🔒 安全團隊

“我需要掃描我們 500K 行代碼的代碼庫以查找漏洞”

• 保護遺留代碼庫 - 30 分鐘內完成全面審計
• 自動 CI/CD 安全檢查
• 提交前鉤子，阻止不安全的代碼
• 定期安全掃描

👨‍💻 開發團隊

“新開發人員加入 - 如何讓他們在 200K 行代碼的代碼庫中快速上手？”

• 構建團隊知識庫 - 對代碼庫進行語義搜索
• 查找相似的代碼模式
• 通過可視化了解架構
• 跟蹤技術債務

🏗️ 平臺團隊

“我們需要從 Node 14 升級到 Node 18 - 是否安全？”

• 規劃單體代碼庫遷移 - 逐步遷移計劃
• 分析所有包的影響
• 識別重大更改
• 估算每個包的工作量

📊 工程負責人

“我們的代碼質量是在提高還是在下降？”

• 跟蹤技術債務 - 每月趨勢跟蹤
• 可視化指標隨時間的變化
• 優先修復問題
• 向管理層展示基於數據的報告

🔍 代碼審查

“每次拉取請求的審查時間太長 - 每個 PR 需要 30 分鐘”

• AI 驅動的代碼審查 - 30 秒內提供自動洞察
• 安全分析
• 複雜度警告
• AI 改進建議

查看 7 個完整的工作流及代碼示例 →

🤖 MCP 集成（Claude 與大語言模型）

可以直接從 Claude、Claude Code 或任何支持 MCP 的大語言模型中使用 Lyra Intel。

快速設置

# Claude Code - 一條命令
npx lyra-intel-mcp

# Claude Desktop - 添加到配置
{
  "mcpServers": {
    "lyra-intel": {
      "command": "npx",
      "args": ["-y", "lyra-intel-mcp"]
    }
  }
}

可用的 MCP 工具

示例提示

"Analyze my project at ~/code/myapp for security issues"
"Search for authentication patterns in the codebase"
"Scan GitHub for new MCP crypto tools from the last 7 days"
"Run the discovery pipeline and submit approved tools"

查看完整的 MCP 文檔 →

🏛️ 架構

架構概述

Lyra Intel 的架構設計旨在提供高效、可擴展和安全的代碼分析解決方案。它包含多個核心組件，每個組件負責特定的功能，這些組件協同工作以實現全面的代碼分析。

組件架構

• 核心引擎：負責整體的編排和協調，確保各個組件之間的流暢交互。
• 數據收集器：從文件系統和 Git 倉庫中收集代碼數據。
• 分析器：執行代碼分析，包括 AST 解析、依賴映射和模式檢測。
• 存儲模塊：管理數據的持久化，支持多種存儲選項。
• AI 集成：與各種 AI 提供商集成，提供智能分析和洞察。
• 可視化和報告：生成直觀的圖表和詳細的報告，方便用戶理解分析結果。

數據流程

數據從收集器進入系統，經過分析器處理後存儲在存儲模塊中。用戶可以通過 Web 儀表盤或 API 訪問分析結果，可視化和報告工具將結果以易於理解的方式呈現給用戶。

部署架構

支持多種部署方式，包括單服務器部署、Kubernetes 集群和雲服務（如 AWS），以滿足不同規模和需求的用戶。

性能與可擴展性

通過分佈式處理和自動擴展功能，能夠高效處理大規模代碼庫，確保在不同負載下的性能穩定。

安全架構

採用多層次的安全措施，包括身份驗證、授權和漏洞檢測，保障系統和數據的安全。

技術棧

使用了多種先進的技術和框架，如 FastAPI、React、Prometheus 等，確保系統的高性能和可維護性。

🌐 即時 HTTP 部署

Lyra Intel 通過 MCP 可流式 HTTP 傳輸協議進行部署，可通過 HTTP 訪問，無需本地安裝。

端點

https://modelcontextprotocol.name/mcp/lyra-intel

從任何 MCP 客戶端連接

將以下配置添加到你的 MCP 客戶端配置文件（Claude Desktop、Cursor、SperaxOS 等）中：

{
  "mcpServers": {
    "lyra-intel": {
      "type": "http",
      "url": "https://modelcontextprotocol.name/mcp/lyra-intel"
    }
  }
}

可用工具（6 個）

示例請求

分析 GitHub 倉庫

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"analyze_repo","arguments":{"owner":"nirholas","repo":"universal-crypto-mcp"}}}'

獲取倉庫文件樹

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"get_repo_tree","arguments":{"owner":"nirholas","repo":"agenti"}}}'

搜索代碼

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"search_code","arguments":{"query":"MCP server","language":"typescript"}}}'

列出所有工具

curl -X POST https://modelcontextprotocol.name/mcp/lyra-intel \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

也可在以下平臺使用

• SperaxOS — 從 MCP 市場 瀏覽和安裝
• 所有 27 個 MCP 服務器 — 查看完整目錄 modelcontextprotocol.name

由 modelcontextprotocol.name 提供支持 — 開放的 MCP HTTP 網關

📈 指標與監控

可在以下地址訪問指標：

• Prometheus：http://localhost:9090
• Grafana：http://localhost:3000
• API 健康檢查：http://localhost:8080/api/v1/health

關鍵指標：

• lyra_intel_requests_total - 總 API 請求數
• lyra_intel_analysis_duration_seconds - 分析性能
• lyra_intel_ai_tokens_total - AI 使用跟蹤
• lyra_intel_cache_hits_total - 緩存效率

🤝 貢獻

我們歡迎貢獻！請參閱 CONTRIBUTING.md 獲取貢獻指南。

🐛 故障排除

常見問題及解決方案：

數據庫連接失敗

docker-compose restart postgres
docker-compose logs postgres

內存使用率高

# 減少工作進程
export WORKERS=4

# 增加內存限制
docker-compose up -d --scale api=1 --memory 4g

API 速率限制

# 增加配置中的速率限制
export RATE_LIMIT_PER_MINUTE=1000

查看完整的故障排除指南 →

📊 項目狀態

• ✅ 核心分析引擎
• ✅ 多語言支持（10 + 種語言）
• ✅ AI 集成（OpenAI、Anthropic、Ollama）
• ✅ 安全掃描（OWASP、密鑰、依賴）
• ✅ 導出格式（JSON、HTML、PDF、SARIF、CSV、Excel）
• ✅ IDE 插件（VS Code、JetBrains）
• ✅ 平臺集成（GitHub、GitLab、Bitbucket）
• ✅ 雲部署（AWS、Kubernetes、Docker）
• ✅ 即時流式傳輸（WebSocket）
• ✅ Web 儀表盤（React）
• ✅ 監控（Prometheus、Grafana）
• ✅ 企業特性（SSO、RBAC、審計日誌）

🌟 展示你的支持

如果你覺得 Lyra Intel 有幫助，不妨考慮：

• ⭐ 給這個倉庫加星 - 幫助更多人發現這個項目
• 🐛 報告問題 - 通過報告漏洞幫助我們改進
• 💡 分享想法 - 提出功能和改進建議
• 🤝 貢獻代碼 - 請參閱 CONTRIBUTING.md 獲取貢獻指南
• 📢 傳播消息 - 與你的團隊和社區分享

每一個星星、貢獻和推薦都有助於壯大社區！

🙏 致謝

使用了以下出色的開源工具構建：

• OpenAI & Anthropic - AI 模型
• FastAPI - Web 框架
• React - UI 框架
• Prometheus - 監控
• PostgreSQL - 數據庫

📧 聯繫與支持

• 問題與漏洞報告：GitHub 問題
• 文檔：完整文檔
• 貢獻：請參閱 CONTRIBUTING.md

📄 許可證

本項目採用 MIT 許可證 - 詳情請參閱 LICENSE 文件。

由 nich 用心打造 | 在 X.com 關注我