Code2Logic: AST-Based Code Analysis

Status: ✅ Production Ready
Wersja: 1.0.11 (PyPI)
Accuracy: 71.1% reproduction
Technologies: Tree-sitter, PageRank, Python

Co to jest Code2Logic?

Code2Logic to narzędzie badawcze do analizy kodu źródłowego, które wykorzystuje:

• Tree-sitter do parsowania AST (Abstract Syntax Tree)
• Algorytm PageRank do rankingu ważności komponentów
• Graph analysis do identyfikacji zależności

Cel: automatyczne zrozumienie struktury i logiki dużych baz kodu.

Motywacja

Przy pracy z legacy codebase lub nieznanym projektem, programiści spędzają 60-70% czasu na zrozumieniu istniejącego kodu. Code2Logic ma na celu:

1. Identyfikację kluczowych plików i funkcji
2. Mapowanie zależności między modułami
3. Sugestię punktów wejścia do analizy
4. Generowanie dokumentacji struktury

Architektura

┌─────────────────────────────────────────────────────────┐
│                    Code2Logic Pipeline                   │
├─────────────────────────────────────────────────────────┤
│                                                         │
│  ┌──────────┐    ┌──────────┐    ┌──────────────┐       │
│  │  Source  │───▶│ Tree-    │───▶│ Dependency   │       │
│  │  Code    │    │ sitter   │    │ Graph        │       │
│  └──────────┘    └──────────┘    └──────────────┘       │
│                        │                │               │
│                        ▼                ▼               │
│                  ┌──────────┐    ┌──────────────┐       │
│                  │   AST    │    │  PageRank    │       │
│                  │  Nodes   │    │  Scoring     │       │
│                  └──────────┘    └──────────────┘       │
│                        │                │               │
│                        ▼                ▼               │
│                  ┌─────────────────────────────┐        │
│                  │     Analysis Report         │        │
│                  └─────────────────────────────┘        │
└─────────────────────────────────────────────────────────┘

Obsługiwane Języki

Wyniki Badań

Benchmark: Reproduction Accuracy

Test polegał na rekonstrukcji dokumentacji z samego kodu:

Kluczowe Wnioski

1. PageRank skutecznie identyfikuje entry points - pliki z wysokim PR score często są głównymi punktami wejścia (main.py, app.py, index.js)

2. Zależności cykliczne zaburzają scoring - projekty z circular imports mają niższą accuracy

3. Komentarze i docstrings poprawiają wyniki - projekty z dobrą dokumentacją inline mają +8-12% accuracy

Użycie

from code2logic import Analyzer

# Analiza projektu
analyzer = Analyzer("./my-project")
results = analyzer.analyze()

# Top 10 najważniejszych plików
for file, score in results.top_files(10):
    print(f"{file}: {score:.3f}")

# Graf zależności
results.export_graph("dependencies.dot")

# Raport markdown
results.generate_report("analysis.md")

Formaty Wyjściowe

Status Komponentów

Wyzwania

Dynamic Imports

Języki z dynamic imports (Python importlib, JS require()) są trudne do analizy statycznej.

Rozwiązanie: Heurystyki oparte o patterns + opcjonalna analiza runtime

Monorepo Support

Duże monorepa z wieloma pakietami wymagają segmentacji.

Rozwiązanie: Automatic package boundary detection

Roadmap

Q1 2026

• Java, C#, SQL parser
• .mjs/.cjs/.mts/.cts support
• Shebang detection (pliki bez rozszerzenia)
• TOON format output
• YAML verbose output
• Function Logic output
• Re-export detection (JS/TS/Python)
• Interactive visualization (D3.js)
• VS Code extension

Q2 2026

• LLM-enhanced summaries
• API documentation generation
• CI/CD integration

Publikacje

• "Applying PageRank to Code Dependency Analysis" - draft paper
• Blog post: "How We Achieved 71% Reproduction Accuracy"

Linki

• GitHub: github.com/wronai/code2logic
• PyPI: pypi.org/project/code2logic
• Paper: In preparation

---

Ostatnia aktualizacja: 10 lutego 2026