从"代码即文档"跨越到"智能即理解"时代
VibeDock通过构建一个AI驱动的智能适配系统，彻底重新定义了项目理解和技术栈学习的方式。我们的核心理念是：每个开发者都应该获得最适合自己的项目理解路径。
- ⚡ 快速理解模式 - 紧急项目维护的最短路径策略
- 🔄 功能迭代模式 - 理解深度与开发效率的完美平衡
- 🎯 个性化Gap分析 - AI驱动的学习路径定制
- 📊 知识图谱可视化 - 项目结构一目了然
- 深度对话式技能评估
- 智能识别知识差距
- 生成专属学习路径
- 提供精选学习资源
-
安装Python环境
# 需要Python >= 3.13 python --version -
安装uv包管理工具
# Windows powershell -c "irm https://astral.sh/uv/install.ps1 | iex" # macOS/Linux curl -LsSf https://astral.sh/uv/install.sh | sh
-
克隆并设置项目
git clone <repository-url> cd vibedock-main uv sync # 自动创建虚拟环境并安装依赖
创建 .env 文件，配置你的AI服务：
# 推荐使用DeepSeek API（性价比高）
BASE_URL="https://api.deepseek.com/v1"
MODEL="deepseek-chat"
API_KEY="your-api-key-here"
# 也支持其他OpenAI兼容API
# BASE_URL="https://api.openai.com/v1"
# MODEL="gpt-4"
# API_KEY="your-openai-key"uv run main.py-
启动系统
uv run main.py
-
选择使用目的
- 🔧 Active development - 参与项目开发
- 📚 Learning - 理解项目原理
- 🛠️ Maintenance - 维护现有代码
- 🔗 Integration - 集成到自己项目
- 🔍 Evaluation - 评估项目价值
-
回答技能评估问题
- 系统会根据项目技术栈生成针对性问题
- 诚实回答以获得最准确的学习路径
-
获取学习报告
- 自动在浏览器中打开高端可视化报告
- 包含个性化Gap分析和学习资源推荐
→ 智能项目分析
🤖 AI分析项目技术栈和架构模式
📈 生成多维度技术评估报告
→ 个性化差距评估
💬 智能对话式技能评估
🎯 精准识别学习需求
→ 知识图谱可视化
🌐 生成交互式学习路径
📱 浏览器中开启智能理解体验
vibedock-main/
├── main.py # 主程序入口
├── fileprocess.py # 项目分析模块
├── tech_stack_questionnaire.py # 问卷调查系统
├── html_report_generator.py # HTML报告生成器
├── stage1_processor.py # 第一阶段处理器
├── stage2_processor.py # 第二阶段处理器
├── vibehacks/ # 核心分析工具
│ ├── analyzer.py # 代码分析器
│ ├── reporter.py # 报告生成器
│ └── cli.py # 命令行界面
├── output/ # 输出文件夹
├── .env # API配置文件
└── README.md # 使用说明
生成的HTML报告包含：
- 知识差距热力图
- 技能熟练度雷达图
- 学习优先级排序
- 每个Gap提供3-5个精选学习资源
- 官方文档、视频教程、实战项目链接
- 每个资源都有**"开始学习"按钮**
- 技术栈架构可视化
- 依赖关系图谱
- 关键组件说明
- 30天学习计划
- 里程碑设置
- 进度追踪建议
支持多种AI服务商：
# DeepSeek (推荐，性价比最高)
BASE_URL="https://api.deepseek.com/v1"
MODEL="deepseek-chat"
# OpenAI
BASE_URL="https://api.openai.com/v1"
MODEL="gpt-4"
# 智谱AI
BASE_URL="https://open.bigmodel.cn/api/paas/v4"
MODEL="glm-4"
# 月之暗面
BASE_URL="https://api.moonshot.cn/v1"
MODEL="moonshot-v1-8k"# 分析特定项目目录
cd /path/to/your/project
uv run /path/to/vibedock-main/main.py# 查看生成的报告
ls output/
# VibeDock_智能学习路径_20241201_143052.html
# report.md
# gap_summary.md-
API调用失败
# 检查.env文件配置 cat .env # 确认API密钥有效性
-
依赖安装失败
# 清除缓存重新安装 uv cache clean uv sync --refresh -
Python版本不匹配
# 检查Python版本 python --version # 需要 >= 3.13 # 使用pyenv管理Python版本
-
HTML报告打开异常
- 确保浏览器支持现代CSS特性
- 检查防火墙是否阻止本地文件访问
- 大项目分析：首次分析可能需要1-3分钟
- API调用频率：根据使用量调整API配置
- 内存使用：分析大型项目时建议16GB+内存
- Fork项目
- 创建功能分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 打开Pull Request
MIT License - 详见 LICENSE 文件
VibeDock采用模块化设计，核心组件：
- 分析引擎：基于AST的Python代码静态分析
- AI适配器：支持多种大语言模型API
- 报告生成器：现代化HTML报告模板
- 交互系统：智能问卷和对话界面
让每个开发者都获得最适合自己的项目理解路径 🚀 （1.5倾情巨献）