Nuanced：AI 编程工具的语义理解层

随着人工智能编写的代码越来越多，我们需要更好的工具来提高AI的可信度。

如果你经常使用AI编程，你应该也会产生类似的问题：

• “如果我重命名 UserId，影响范围会有多大？”
• “此代码路径中哪些函数写入 Redis？”
• “更新此 API 会影响哪些功能？”

Nuanced 正在构建将静态分析与人工智能相结合的工具，以更深入地理解代码行为。通过这种方式，可以帮助人类和机器从根本上理解代码行为。

为什么会有Nuanced的想法，这是因为大多数 AI 编程工具仍然将代码视为“散文”。实际上代码并非“散文”，代码是一种结构：控制流、调用边界、导入以及跨文件约束。如果没有这种结构，模型就会产生幻觉，忽略副作用，并消耗Token。

Nuanced采用的是静态分析，我考虑过让LLM来分析代码的调用链路，但是实测下来，LLM分析出来的调用链路也会存在幻觉问题，并且非常消耗token，所以，目前短期来看，静态分析是更好的解决方案。

更大的上下文窗口并不能解决这个问题。Nuanced认为重要的不是更多的上下文，而是正确的上下文。

nuanced逆向

python版本是开源的 github.com/nuanced-dev/nuanced

我们把代码下载下来，使用qwen-cli进行分析

得到文档后，查看下，由4个核心组件构成：

1. CLI (命令行界面) - 提供用户交互接口，支持 init 和 enrich 命令

2. CodeGraph (代码图) - 负责代码图的初始化、加载和增强操作，是系统的核心数据结构

3. CallGraph (调用图生成器) - 使用 jarviscg 库生成函数调用图

4. Utils (工具函数) - 提供超时处理、文件分组等辅助功能

——

原来是jarviscg，是从一个开源项目fork过来的

同样的原理，我们也用qwen来逆向下：

PythonJaRvis项目通过自研的Jarvis工具和第三方工具code2flow来生成Python代码的函数调用图。Jarvis工具通过静态分析技术，解析Python代码的语法树，识别函数定义和调用关系，构建完整的函数调用图。项目还提供了完整的评估框架来验证工具的有效性和准确性。

原来是code2flow

code2flow 为动态语言（如 Python、JavaScript、Ruby 和 PHP）生成调用图，帮助解开“意大利面条”代码和识别孤立的函数。 它将源文件转换为 AST，查找函数定义，并根据函数调用和变量将它们连接起来。

——

语义理解层

除此之外，Nuanced的蓝图更大，他们提出了语义理解层：

增强代码生成：

通过在生成新代码之前了解代码含义，帮助 AI 工具做出更明智的决策。将静态分析与运行时行为相结合，使 AI 工具能够全面洞察代码的实际工作方式，从而编写更优质的代码。

系统范围的背景：

通过综合来自不同工具、日志、指标和部署环境的信息，帮助 AI 推理跨服务的交互。

语义调试：

为 AI 工具提供理解代码行为所需的上下文，从而在调试期间提供更清晰的解释，并对其选择进行更透明的推理。

不止静态分析。这是一个更丰富的知识图谱，它将整合：

• 日志和错误报告中的生产行为
• 系统性能指标和资源使用情况
• 服务交互模式
• 部署和配置上下文

Nuanced正在将这些操作数据转换为人工智能助手的结构化上下文。

Nuanced的产品

1 / Nuanced CLI

帮助 AI 编程助手像经验丰富的开发人员一样理解您的代码。

2 / Nuanced MCP 服务器

这是最近发布的，需要付费购买，购买后会得到一个许可证密钥。使用它来验证私有的 npm 仓库并安装 TypeScript MCP 服务器。

有点意思，20美金

YC孵化

Nuanced是YC孵化的小型公司，资料显示只有2人，最早推出过检测AI图像的工具DEMO，后来转型到为AI编程工具提供语义层。

——

• 太松散（纯自然语言）
• 太过死板（原始的 AST 手术）

Nuanced 找到了中间层：基于确定性结构的对话式提示。