DeepGit

DeepGit 2.0 🤯 — 现在 硬件感知 & ColBERT 驱动

DeepGit

DeepGit 是一个基于 Langgraph 的先进代理式工作流，旨在跨 GitHub 仓库进行深度研究。它能够根据用户意图智能地搜索、分析和排名仓库——甚至发现那些鲜为人知但高度相关的工具。DeepGit 将混合密集检索与先进的交叉编码器重排序以及全面的活动分析相结合，打造了一个统一的开源平台，用于智能化的仓库发现。

---

在这里试用精简版 🧑‍🎓

DeepGit-lite 是在 Hugging Face Space 上以零 GPU 运行的 DeepGit 轻量版本 点此查看。
虽然性能可能不如完整版，但它非常适合快速体验。

---

最新版本让其更加 深入、智能且高效：

新特性	带来的好处
⚛️ 多维 ColBERT v2 嵌入	细粒度的 token 级相似性，能够捕捉单向量嵌入所遗漏的细微匹配。
🔩 智能硬件过滤器	向 DeepGit 提供你的设备规格——仅 CPU、低内存或移动设备。它会过滤掉无法流畅运行的仓库，只显示适合你配置的项目。

DeepGit 仍然整合了混合密集检索、交叉编码器重排序、活跃度与质量分析——但现在每一步都更加 智能 和 轻量化。

---

⚙️ 工作原理 — 代理式工作流 v2

当用户提交查询时，DeepGit 协调代理 会触发一系列专家工具的接力：

1. 查询扩展
   一个 LLM 将你的自然语言问题转化为高信号的 GitHub 标签，以便进行精准搜索。

2. 硬件规格检测器
   同一次处理还会推断出你话语中的提示，比如“无 GPU”、“低内存”或“仅限移动端”，并记录下这些限制条件。

3. ColBERT‑v2 语义检索器
   每个 README 和文档块都会被嵌入多维 token 向量；通过 MaxSim 打分，可以找到细微匹配。

4. 交叉编码器重排序器
   一个轻量级 BERT (MiniLM‑L‑6‑v2) 会对前 K 个结果按段落级别精度重新排序。

5. 硬件感知依赖项过滤器
   推理引擎会检查每个仓库的 requirements.txt / pyproject.toml，并剔除任何无法在你声明的硬件上运行的项目。

6. 社区与代码洞察
   收集星标数、叉数、问题频率、提交历史，以及快速的代码质量指标。

7. 多因素排名与交付
   将所有评分合并为一个排名，并以整洁的表格形式呈现，包含链接、相似度百分比以及“仅支持 CPU 运行”的标签（如适用）。

---

🚀 目标

• 发掘隐藏宝藏：
  展示那些功能强大但尚未被广泛知晓的开源工具。现在还增加了硬件规格过滤器。

• 赋能研究：
  为专注于研究的开发者构建一个智能化的 GitHub 发现层。

• 促进开放创新：
  将整个工作流开源，以推动研究领域的透明度和协作。

---

🖥️ 用户界面

DeepGit 提供了一个直观的界面，用于探索仓库推荐。主页是用户输入原始自然语言查询的地方，这也是发起深度语义搜索的主要交互点。

输出: 展示带有可点击链接和不同阈值分数的表格化结果，便于比较和理解排名标准。

---

🔧 推荐环境

• Python: 3.11+（该仓库已在 Python 3.11.x 上测试过）
• pip: 24.0+（请确保使用最新版本的 pip）

---

👨‍🏭 设置说明

1. 克隆仓库

git clone https://github.com/zamalali/DeepGit.git
cd DeepGit

2. 创建虚拟环境（推荐）

python3 -m venv venv
source venv/bin/activate   # Windows 系统：venv\Scripts\activate

3. 升级 pip（可选但推荐）

pip install --upgrade pip

4. 安装依赖

pip install -r requirements.txt

5. 配置 LLM 提供者

DeepGit 支持多种 LLM 提供者。在你的 .env 文件中设置 LLM_PROVIDER 环境变量：

提供者	环境变量	默认模型	备注
Groq（默认）	GROQ_API_KEY	deepseek-r1-distill-llama-70b	提供免费套餐
MiniMax	MINIMAX_API_KEY	MiniMax-M2.7	204K 上下文，兼容 OpenAI

# 选项 A：Groq（默认——无需额外配置）
LLM_PROVIDER=groq
GROQ_API_KEY=your_groq_api_key

# 选项 B：MiniMax
LLM_PROVIDER=minimax
MINIMAX_API_KEY=your_minimax_api_key
# LLM_MODEL=MiniMax-M2.7          # 可选：覆盖默认模型

提示: 如果未设置 LLM_PROVIDER，DeepGit 会自动从可用的 API 密钥中检测提供商。

6. 通过应用运行 DeepGit

要在本地运行 DeepGit，只需执行：

python app.py

🛠️ 故障排除

• Python 版本: 请使用 Python 3.11 或更高版本，因为该仓库已在 Python 3.11.x 上测试过。
• pip 版本: 确保你正在使用 pip 24.0 或更高版本。
• 依赖问题: 如果遇到任何问题，请尝试在一个新的虚拟环境中重新安装。

---

🛠️ 运行 DeepGit

有关 DeepGit 使用的详细文档，请参阅 这里。

DeepGit 利用 Langgraph 进行编排。要启动 Langsmith 控制台并开始工作流，只需运行：

langgraph dev

该命令将打开 Langsmith 控制台，你可以在其中以 JSON 片段的形式输入原始查询，并监控整个代理式工作流。

DeepGit 与 Docker

有关如何使用 Docker 运行 DeepGit 的说明，请参阅我们的 Docker 文档。

DeepGit 快速上手指南

DeepGit 是一个基于 LangGraph 的智能代理工作流工具，专为深度挖掘 GitHub 仓库设计。它结合了混合密集检索、ColBERT v2 语义匹配及硬件感知过滤功能，能根据你的设备配置（如仅 CPU、低内存）精准推荐合适的开源项目。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统：Linux, macOS 或 Windows
• Python 版本：3.11 或更高（已在 Python 3.11.x 上测试通过）
• 包管理器：pip 24.0 或更高版本
• API Key：需准备大模型服务商的 API Key（默认支持 Groq，也支持 MiniMax）

💡 国内开发者提示： 安装依赖时若遇到网络缓慢问题，建议临时切换至国内镜像源（如清华源）：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

1. 克隆项目代码

git clone https://github.com/zamalali/DeepGit.git
cd DeepGit

2. 创建并激活虚拟环境

推荐使用虚拟环境以避免依赖冲突：

python3 -m venv venv
# Linux/macOS
source venv/bin/activate
# Windows
venv\Scripts\activate

3. 升级 pip 并安装依赖

pip install --upgrade pip
pip install -r requirements.txt

4. 配置 LLM 提供商

在项目根目录创建 .env 文件，配置你的 API Key。DeepGit 默认使用 Groq（提供免费额度），也可配置 MiniMax。

选项 A：使用 Groq（默认推荐）

LLM_PROVIDER=groq
GROQ_API_KEY=your_groq_api_key_here

选项 B：使用 MiniMax

LLM_PROVIDER=minimax
MINIMAX_API_KEY=your_minimax_api_key_here
# LLM_MODEL=MiniMax-M2.7  # 可选：指定具体模型

注意：若未设置 LLM_PROVIDER，系统将自动检测环境中存在的 API Key 来决定提供商。

基本使用

方式一：运行本地 Web 应用（推荐）

这是最直观的交互方式，启动后将在浏览器中打开界面，输入自然语言描述即可搜索。

python app.py

启动后，访问终端显示的本地地址（通常为 http://127.0.0.1:7860），在输入框中输入如 "适合低内存设备的轻量级图像识别库" 等需求，系统会自动分析硬件限制并返回排序后的仓库列表。

方式二：通过 LangGraph 调试模式运行

如果你需要监控代理工作流的详细执行过程（如查询扩展、重排序等步骤），可使用此模式：

langgraph dev

该命令将启动 LangSmith 仪表盘，你可以在其中通过 JSON 片段提交查询并实时观察各代理节点的执行情况。

体验轻量版（无需本地部署）

如果暂时不想配置本地环境，可以直接在 Hugging Face Space 试用精简版（Zero GPU 运行）： 👉 DeepGit-lite 在线体验