RepoRadar OpenLore: создание предсказуемой памяти для AI-кодирующих агентов
OpenLore — это инструмент для создания детерминированной, локально-ориентированной памяти и средств защиты для AI-кодирующих агентов без использования LLM в критических участках. Он решает задачу управления изменениями кода и обеспечения безопасности, позволяя агенту знать, какие части кода он затрагивает и что делать нельзя.
Отличается от альтернатив решением на основе статического анализа, что обеспечивает предсказуемость: один вызов приводит к одному и тому же ответу каждый раз. Это делает его полезным для разработчиков, которые хотят интегрировать AI в свои процессы без риска неожиданных последствий, а также для команд, работающих с многими языками программирования и инфраструктурой как кодом.
OpenLore написан на JavaScript и доступен через npm. Чтобы использовать, достаточно установить пакет: npm install openlore. Учти, что проект находится в альфа-версии, и несмотря на отсутствие необходимости в API ключе, его стабильность и функциональность могут варьироваться.
OpenLore — это инструмент для статического анализа и управления кодом, который предназначен для улучшения работы AI coding agents. Его основная задача — обеспечить детерминистическую память и контролировать изменения, выполняемые агентами, без использования LLM на критических этапах.
Что делает OpenLore?
OpenLore проводит одноразовый статический анализ репозитория и создает живую графовую структуру знаний, которая включает в себя информацию о структуре вызовов функций, типах данных, тестах и решениях. Это позволяет агентам начать выполнение задач с уже готовой ориентировкой и сертифицировать изменения перед их внесением в код. Таким образом, OpenLore помогает предотвратить ошибки, связанные с устаревшей информацией, которые могут привести к проблемам с совместимостью и нарушениям контрактов.
Установка и запуск
Установить OpenLore можно с помощью одной команды:
npm install -g openlore && openlore installЭта команда автоматически обнаруживает агента и настраивает его для работы с OpenLore, а также создает индекс, что исключает необходимость в конфигурации и API ключах.
Основные функции
- Память: функция
orient(task)возвращает всю информацию о том, какие функции, спецификации и тесты связаны с задачей. - Государственный контроль: возможность проверки изменений с помощью
certify_public_surface, которая определяет, является ли изменение разрушающим, и указывает на затронутые элементы кода. - Управление рисками: функция
change_impact_certificateидентифицирует изменения, открывающие новые пути в пределах защищенных зон кода. - Обратная связь: агенты получают информацию о том, когда факты устарели, что снижает вероятность выполнения неверных операций.
Ограничения
Хотя OpenLore мощный инструмент, у него есть определенные ограничения:
- Статический анализ не охватывает все аспекты динамически типизированных языков или специфических паттернов, таких как рефлексия или динамический вызов методов.
- Большие монорепозитории могут анализироваться только по отдельным пакетам после первой полной сборки, что может замедлить процесс анализа.
- Качество спецификаций, генерируемых LLM, может варьироваться, и их следует проверить на соответствие требованиям.
OpenLore отлично подходит для работы с крупными и сложными кодовыми базами, где управление изменениями и понимание структуры кода является критически важным. Если ты работаешь с малыми и хорошо известными репозиториями, возможно, стоит рассмотреть использование встроенных инструментов поиска вашего агента. В целом, OpenLore — это мощный инструмент, помогающий оптимизировать работу AI coding agents и снизить количество ошибок при внесении изменений в код.
Радар проекта: 71 из 100 — крепкий проект
- Импульс 14 ≈ 1 звезда в день
- Темп разработки 98 263 коммита за 12 недель
- Зрелость 83 проекту 9 месяцев, 56 релизов
- Сообщество 49 15 участников, 51 форк
- Свежесть 95 последний коммит — 9 дней назад
- Быстрый старт 60 есть: команда установки, примеры
- Готовность к продакшену 80 релиз v3.5.0, автосборка
- Безопасность и доверие 80 лицензия MIT, SECURITY.md
- Документация 100 README 40.4 тыс. знаков, 19 разделов, папка docs
- Экосистема 55 5 подписчиков на обновления, 20 тем
Как считаем
Только открытые данные GitHub на 07.11.2026, без оценок нейросети. Каждая ось — от 0 до 100, итог — среднее.
- Импульс — звёзд в день: за время наших замеров, а пока их нет — за всю жизнь проекта; 200 в день — максимум.
- Темп разработки — коммитов за последние 12 недель; 300 — максимум. Пока GitHub не досчитал статистику, ось не учитывается.
- Зрелость — возраст проекта (3 года — максимум) и число релизов (30 — максимум), поровну.
- Сообщество — участников с коммитами (200 — максимум) и форков (5000 — максимум), поровну.
- Свежесть — дней с последнего коммита: сегодня — 100, полгода и больше или архив — 0.
- Быстрый старт — в README есть команда установки, раздел «быстрый старт» или примеры использования, в репозитории — Docker и папка примеров, у проекта есть сайт или демо.
- Готовность к продакшену — релизы, версия 1.0 и выше, автосборка (GitHub Actions), тесты, лицензия, журнал изменений.
- Безопасность и доверие — открытая лицензия (своя — половина балла), политика безопасности (SECURITY.md), проект организации, правила для участников, не в архиве.
- Документация — объём и структура README, папка docs или сайт, оценка «здоровья сообщества» GitHub.
- Экосистема — звёзды (50 тыс. — максимум), подписчики на обновления (1000 — максимум), темы репозитория.
Открыть на GitHub: clay-good/OpenLore →
