Maguyva ทำงานอย่างไร
เชื่อมต่อรีโพซิทอรี GitHub แล้ว Maguyva จะเปลี่ยนมันให้เป็นมุมมองที่ค้นหาได้หลายแบบซึ่งเอเจนต์ของคุณเรียกใช้ได้ตามต้องการ แทนที่จะยัดทั้งไฟล์ลงในบริบท โมเดลจะได้เข้าถึงสัญลักษณ์ โครงสร้าง เอกสาร การพึ่งพา และชิ้นส่วนโค้ดที่จัดอันดับแล้วอย่างมีหลักฐานอ้างอิงจริง
ปัญหาเรื่องบริบท
#เมื่อโปรเจกต์ของคุณใหญ่ขึ้น เอเจนต์ AI จะเจอปัญหาต่อไปนี้:
- ข้อจำกัดของคอนเท็กซ์วินโดว์ - ข้อมูลมากเกินไปทำให้โมเดล AI รับมือไม่ไหว
- ข้อมูลที่ไม่เกี่ยวข้อง - เอเจนต์ AI เสียโทเคนไปกับข้อมูลที่ไม่จำเป็น
- ประสิทธิภาพต่ำ - ความแม่นยำลดลงและประมวลผลช้าลง
- การจัดการด้วยมือ - นักพัฒนาต้องเสียเวลาหลายชั่วโมงจัดระเบียบบริบทด้วยตัวเอง
- ต้นทุนที่สูงขึ้น - หากไม่มีการจัดการบริบท ต้นทุนโทเคนจะเพิ่มขึ้นทุกครั้งที่ค้นหา
ยิ่งโปรเจกต์ใหญ่ขึ้นเท่าไร ก็ยิ่งมีสัญญาณรบกวนเข้ามาในคอนเท็กซ์วินโดว์มากขึ้นเท่านั้น — และความแม่นยำของเอเจนต์ก็ลดลงตามไปด้วย
ทางแก้ของ Maguyva
#เมื่อคุณเชื่อมต่อรีโพซิทอรี Maguyva จะรันไพพ์ไลน์นำเข้าบนคลาวด์กับโค้ด เอกสาร แมนิเฟสต์ สัญลักษณ์ และเมทาดาทาการพึ่งพา เป้าหมายคือสร้างความทรงจำโค้ดที่คงทนเพียงครั้งเดียว แทนที่จะให้เอเจนต์แต่ละรอบต้องค้นพบรีโพซิทอรีใหม่ตั้งแต่ต้นทุกครั้ง
ไพพ์ไลน์เหล่านั้นสร้างเลเยอร์ข้อมูลเฉพาะทางหลายชั้น: การค้นหาข้อความแบบตรงตัว การสืบค้นเชิงความหมาย การค้นหาสัญลักษณ์และการอ้างอิง มุมมองเชิงโครงสร้าง และการวิเคราะห์กราฟการพึ่งพา คำถามที่ต่างกันจะถูกส่งไปยังเลเยอร์ที่ต่างกัน
Maguyva มีความสามารถในการสืบค้น 5 อย่าง ได้แก่ semantic AST symbol dependency และtext ภายใน intelligent_search มีรูปแบบการค้นหาสี่แบบ คือ เชิงความหมาย ข้อความ เชิงโครงสร้าง และกราฟ ค่าเริ่มต้น auto/balanced ส่งคำถามที่ระบุได้อย่างมั่นใจว่าเกี่ยวกับนิยามไปยังการค้นหาเชิงโครงสร้าง ส่งคำถามเกี่ยวกับการอ้างอิงหรือผลกระทบไปยังกราฟ และส่งคำถามที่ต้องการผลตรงกันทุกประการไปยังการค้นหาข้อความ คำถามอื่นใช้ความหมายและข้อความที่จัดทำดัชนีแล้ว ใช้ mode=hybrid หรือ auto ร่วมกับ quality=thorough เพื่อขอใช้รูปแบบการค้นหาทั้งสี่แบบ โดยโหมดที่ระบุไว้อย่างชัดเจนจะมีผลเหนือ quality ส่วน language_filter จะตัดกราฟออกจาก auto/hybrid และระบบจะปฏิเสธคำขอหากใช้ร่วมกับโหมดกราฟที่ระบุอย่างชัดเจน ผลลัพธ์จากหลายรูปแบบจะถูกรวมและจัดอันดับตามความเกี่ยวข้องกับคำค้น
มุมมองรีโพซิทอรีส่วนตัวอยู่เคียงข้างข้อมูลอ้างอิงสาธารณะสำหรับ ภาษาและเทคโนโลยีที่ใช้ข้อความเป็นฐาน ที่รองรับ เอเจนต์ของคุณเข้าถึงระบบทั้งหมดผ่านเครื่องมือ MCP ซึ่งคุณจะพึ่งพาอย่างหนักระหว่างวางแผนและตรวจสอบ หรือใช้เป็นจุดตรวจสอบระหว่างแก้ไขก็ได้
1. การนำเข้ารีโพซิทอรี
#หลังจากเชื่อมต่อ GitHub แล้ว Maguyva จะสแกนรีโพซิทอรีบนคลาวด์และสกัดส่วนที่เอเจนต์ต้องใช้ในการให้เหตุผลจริงๆ ออกมา:
ทำให้รีโพซิทอรีเป็นมาตรฐานเพียงครั้งเดียว เพื่อให้ทุกการเรียกของเอเจนต์สืบค้นความทรงจำโค้ดที่คงทนได้
- การวิเคราะห์โครงสร้างโค้ด ░╔═╗░ ▓║◉║▓ ░╚═╝░ - แยกวิเคราะห์ไฟล์ออกเป็นสัญลักษณ์ การอ้างอิง และขอบเขตทางสถาปัตยกรรม
- การระบุความสัมพันธ์การพึ่งพา ╲▄█▄╱ ─◆●◆─ ╱▀█▀╲ - ทำแผนที่ว่าไฟล์ โมดูล และสัญลักษณ์พึ่งพากันอย่างไร
- การผนวกรวมเอกสาร - ดึงเอกสารของรีโพซิทอรีและเอกสารอ้างอิงที่เกี่ยวข้องมาไว้คู่กับโค้ด
2. เลเยอร์การสืบค้นเฉพาะทาง
#แทนที่จะมีดัชนีทั่วไปเพียงหนึ่งเดียว Maguyva สร้างช่องทางสืบค้นหลายแบบเพื่อตอบคำถามที่ต่างกันอย่างรวดเร็ว โดยใช้หลักฐานที่ต่างกัน
งบประมาณบริบท: Maguyva ส่งคืนชิ้นส่วนโค้ดที่จัดอันดับแล้วพร้อมพาธไฟล์และหมายเลขบรรทัด แทนที่จะยัดทั้งไฟล์ลงในบริบท การลดโทเคนจริงขึ้นอยู่กับขนาดรีโพซิทอรีและความเจาะจงของคำค้นหา
การจัดเส้นทางและจัดอันดับ
#- การให้คะแนนความเกี่ยวข้อง ▄█▄ ║⊙⊙║ ╚═█═╝ - เลือกหลักฐานการดึงข้อมูลตามโหมดค้นหาและค่าคุณภาพที่ตั้งไว้ จากนั้นจัดอันดับรายการที่ตรงกันตามความเกี่ยวข้องกับคำค้น
- การลดสัญญาณรบกวน - ลดรายการที่ตรงกันซ้ำและจำกัดจำนวนส่วนย่อยต่อไฟล์ เพื่อไม่ให้ไฟล์เดียวกินพื้นที่ผลลัพธ์ทั้งหมด
- การจัดลำดับความสำคัญของบริบท - จำกัดจำนวนผลลัพธ์และคงความเกี่ยวข้องไว้ตามค่าเริ่มต้น การเพิ่มน้ำหนักตามความสำคัญต้องเปิดด้วย boost_by_importance=true สำหรับสำรวจสถาปัตยกรรม ไม่ใช่นโยบายจัดอันดับเริ่มต้น
รูปแบบข้อมูลที่จัดเก็บ
#- การสืบค้นเชิงความหมาย ┌─◈─┐ ║███║ ╚═══╝ - ค้นหาโค้ดและเอกสารที่มีแนวคิดคล้ายกัน แม้คำจะต่างกัน
- มุมมองสัญลักษณ์และเชิงโครงสร้าง - รองรับการค้นหาสัญลักษณ์แบบตรงตัว การอ้างอิง และคำถามเชิงรูปทรง AST
- การวิเคราะห์กราฟการพึ่งพา ▓█▓ ╔═●═╗ ╚═╤═╝ - ตามรอยผู้เรียกใช้ การอิมพอร์ต และรัศมีผลกระทบทั่วทั้งโค้ดเบส
3. เลเยอร์เครื่องมือ Model Context Protocol (MCP)
#Maguyva ถูกส่งมอบในรูปแบบเซิร์ฟเวอร์ MCP ที่โฮสต์บนคลาวด์ เอเจนต์ของคุณเรียกใช้เครื่องมือตามมุมมองที่ต้องการ แทนที่จะพึ่งให้โมเดลจำสถาปัตยกรรมของคุณเองตั้งแต่ต้น มุมมองทั้งสี่ด้านบนจัดกลุ่มเครื่องมือที่ใช้งานได้จริง: การค้นหาเชิงความหมายครอบคลุม semantic_search และ intelligent_search; การค้นหาสัญลักษณ์ครอบคลุม find_symbol และ get_task_context; การค้นหาเชิงโครงสร้างครอบคลุม structural_search และ text_pattern_search; กราฟการพึ่งพาครอบคลุม dependency_search และ analyze_dependencies — ควบคู่กับ get_file, repository_context, และ ask_maguyva ในฐานะยูทิลิตีสนับสนุน ดู เอกสารอ้างอิง MCP API ฉบับเต็มสำหรับเครื่องมือทั้ง 11 รายการ
จัดเส้นทางคำขอแต่ละครั้งไปยังช่องทางสืบค้นที่ตอบได้ด้วยหลักฐานที่มีประโยชน์ที่สุด
ประโยชน์ของความเข้ากันได้กับ MCP
#- ใช้เครื่องมือมากหรือน้อยตามต้องการ - พึ่งพา Maguyva อย่างหนักตอนวางแผน หรือใช้แค่ตรวจสอบความสมเหตุสมผลของการเปลี่ยนแปลงที่มีความเสี่ยงก็ได้
- ตรวจสอบแผนได้ดีขึ้น - ตรวจสอบไอเดียกับสัญลักษณ์ การอ้างอิง และเอกสารจริง ก่อนแก้ไข
- รัศมีผลกระทบที่ชัดเจนขึ้น - เครื่องมือด้านการพึ่งพาและกราฟแสดงให้เห็นว่าอะไรอาจพังถ้าสัญลักษณ์เปลี่ยนแปลง
- รองรับอนาคต - ทำงานได้กับไคลเอนต์ใดก็ตามที่รองรับมาตรฐาน MCP
สถาปัตยกรรมทางเทคนิค
#ไพพ์ไลน์ประมวลผลที่ปลอดภัย
#การเชื่อมต่อรีโพซิทอรีภายนอกและ MCP ใช้ HTTPS/TLS
คุณสมบัติด้านความปลอดภัย
#- ความปลอดภัยของการส่งข้อมูล - การเชื่อมต่อกับบริการใช้ HTTPS/TLS
- พื้นที่จัดเก็บที่มีการจัดการ - ข้อมูลที่ถูกทำดัชนีถูกจัดเก็บบนโครงสร้างพื้นฐานที่มีการจัดการ พร้อมการเข้ารหัสข้อมูลขณะจัดเก็บที่ระดับสตอเรจ
- การแยกเนมสเปซ - ข้อมูลรีโพซิทอรีถูกจำกัดขอบเขตด้วยเวิร์กสเปซและเนมสเปซตลอดเส้นทางไพพ์ไลน์และการสืบค้นฐานข้อมูล
- การควบคุมการเข้าถึง - การเข้าถึงรีโพซิทอรีถูกจำกัดด้วยขอบเขตองค์กรและเนมสเปซ
คุณลักษณะด้านประสิทธิภาพ
#ประสิทธิภาพแตกต่างกันไปตามขนาดโค้ดเบสและความซับซ้อนของคำค้นหา Maguyva มุ่งเน้นการส่งมอบบริบทที่เกี่ยวข้องที่สุด แทนที่จะยัดทั้งไฟล์ลงไป ดู ความเข้ากันได้ สำหรับภาษาและไคลเอนต์ที่รองรับ
สิ่งที่คาดหวังได้
#ด้วยการกรองและจัดระเบียบบริบทโค้ดเบสของคุณอย่างชาญฉลาด Maguyva ช่วยให้เอเจนต์ AI ทำงานได้อย่างมีประสิทธิภาพมากขึ้น:
- ความแม่นยำในการวางแผนที่ดีขึ้น - เอเจนต์ตรวจสอบแนวทางกับรีโพซิทอรีจริงได้ ก่อนเริ่มเขียนโค้ด
- การรีแฟกเตอร์ที่ปลอดภัยขึ้น - การตรวจสอบรัศมีผลกระทบและการพึ่งพาช่วยลดความเสียหายที่ป้องกันได้
- เสียโทเคนน้อยลง - ส่งคืนเฉพาะชิ้นส่วนที่เกี่ยวข้อง แทนที่จะเป็นทั้งไฟล์
- เข้าใจรีโพเร็วขึ้น - โมเดลได้คำตอบที่มีหลักฐานอ้างอิงอย่างรวดเร็ว แทนที่จะต้องค้นพบโครงสร้างโปรเจกต์ใหม่ทุกรอบ
ผลลัพธ์จะแตกต่างกันไปตามขนาด ความซับซ้อนของโค้ดเบส และประเภทคำค้นหาที่เอเจนต์ AI ของคุณจัดการ
การรักษาดัชนีของคุณให้ทันสมัย
#การอัปเดตอัตโนมัติ
#- การซิงค์รีโพซิทอรี - รีเฟรชจากงานซิงค์ GitHub เมื่อโค้ดมีการเปลี่ยนแปลง
- การประมวลผลแบบส่วนเพิ่ม - ประมวลผลเฉพาะไฟล์ที่เปลี่ยนแปลงเพื่อความมีประสิทธิภาพ
- บริบทที่รู้จักแบรนช์ - รักษาดัชนีแยกกันตามแบรนช์ git เพื่อให้เอเจนต์เห็นบริบทที่ถูกต้องในแต่ละแบรนช์
เริ่มต้นใช้งาน
#พร้อมลองใช้แล้วหรือยัง?
- เริ่มต้นฟรี - ไม่ต้องใช้บัตรเครดิต
- เชื่อมต่อรีโพซิทอรีของคุณ - เชื่อมโยงรีโพ GitHub ในพอร์ทัลของ Maguyva
- ชี้เอเจนต์ของคุณไปที่ Maguyva - ใช้เครื่องมือ MCP ระหว่างวางแผน ตรวจสอบ หรือแก้ไข (คู่มือติดตั้ง)
การจัดการรีโพซิทอรี
#เชื่อมต่อรีโพซิทอรี GitHub ผ่านพอร์ทัล Maguyva ดัชนีจะอัปเดตผ่านงานซิงค์ GitHub เมื่อโค้ดเปลี่ยนแปลง พอร์ทัลยังแสดงข้อมูลการใช้งาน API ด้วย