R in Maguyva: Code-Graphen für Analyse- und Paketcode

Wo R oberflächliche KI-Tools ins Stolpern bringt

R legt Basisfunktionen, Paketfunktionen und deine eigenen in einen flachen Namensraum. Punkte gehören zum Namen und sind kein Memberzugriff: is.na, data.frame und print.summary_table sind jeweils ein einziger Bezeichner. Ein Tool, das print.summary_table als Methode auf print liest, erfasst die Struktur falsch, und eines, das jeden Basisaufruf erfasst, begräbt deine Funktionen unter c() und paste().

Maguyva lässt R-Namen ganz und filtert das Rauschen der Basisfunktionen heraus, damit ein Agent die Funktionen sieht, von denen deine Analyse tatsächlich abhängt.

Was Maguyva in R extrahiert

Maguyva ordnet .R-, .Rmd- und .Rnw-Dateien R zu. Funktionen, die einem Namen zugewiesen werden, etwa clean_survey <- function(df), werden unter diesem Namen extrahiert, und anonyme Funktionen gelten nicht als Definitionen. Namen mit Punkten werden nie in Receiver und Member zerlegt.

Einige Aufrufe aus Basis-R bleiben bewusst im Graphen, weil sie zeigen, wie Analysecode verdrahtet ist: S3- und S4-Dispatch (UseMethod, standardGeneric), die apply-Familie (lapply, sapply, vapply, mapply), Modellanpassung (lm, predict, anova), das Laden von Paketen (library, require) und Fehlerbehandlung mit tryCatch.

Der Graph erfasst außerdem Instanziierung sowie Lese- und Schreibzugriffe.

Beispiel-Prompts für Agenten

• „Wer ruft clean_survey auf, und welche Modelle nutzen die Ausgabe?“ (find_symbol, dann dependency_search incoming)
• „Welche Funktionen rufen fit_model auf?“ (dependency_search)
• „Verfolge den Weg von load_raw_data bis zur finalen Regression.“ (get_task_context)

Bekannte Grenzen

• Etwa 800 Namen aus Basis-R, stats und graphics werden aus den Beziehungen gefiltert, etwa print, paste, c, data.frame, Plot-Aufrufe und Zufallszahlengeneratoren. Verwende dafür text_pattern_search.
• R erzeugt Klassen und lädt Pakete mit gewöhnlichen Funktionsaufrufen, daher wählen die Presets classes, imports und variables in structural_search nichts aus. Verwende find_symbol und text_pattern_search.
• .Rmd- und .Rnw-Dateien werden als Ganzes mit der R-Grammatik gelesen statt Chunk für Chunk; rechne bei R-Markdown- und Sweave-Dokumenten also mit unvollständigen Ergebnissen.
• R hat keine Decorator-Syntax, daher sind Decorator-Beziehungen als nicht anwendbar markiert.

Nächste Schritte

Verbinde ein Repository über den Schnellstart und prüfe dann die Unterstützungsmatrix auf der Kompatibilitätsseite. Für gemischte Data-Science-Repositories lies auch den Python-Leitfaden.