最新

为人工智能工程师打造的面试准备平台。练习多智能体系统、检索增强生成（RAG）、向量数据库和生产级人工智能架构的真实问题。

我已经使用 Ansible 进行 IT 自动化一段时间了，编写看起来更接近英语的命令式剧本的过程让我觉得非常适合围绕 MCP 工具进行设计。我特别希望能够直接从大型语言模型（LLM）运行 Ansible 模块作为工具，并记录下这个过程，以便我的探索性会话能够转化为可运行的剧本。ansible-doc 命令已经为每个模块生成了架构，因此工具调用既简洁又结构化，能够随时使用现有的 Ansible 集合，这让我觉得非常不错。

我一直在开发工具，以自动化我咨询工作中的一些环节，结果深入研究，开始构建实际产品。突然间，我进入了一个充满未知和已知未知的世界。其中一个需要解决的主要问题是理解我不完全掌握的LLM生成的代码。它涉及哪些内容？在哪里读取和写入？认证路径是否在我认为的位置？ 因此，我构建了codeflowmap。只需将其指向一个代码库，它就会绘制出依赖关系和调用图，并展示文件和函数之间的读取/写入/认证路径。 连接一个本地模型（Ollama）或任何兼容OpenAI的API，它会为每个文件注释其功能和涉及的数据。除非连接到远程/托管的API，否则所有操作都在本地运行，输出直接链接到Obsidian库。 bunx codeflowmap serve · MIT · 为我而建 期待大家对如何使其更有用或更精炼的想法。