GitPulse 是一款基于 Tauri + React 的桌面应用，通过解析 Git 仓库历史记录，结合 AI 智能分析，为开发团队提供全方位的代码贡献洞察、团队协作诊断和代码质量评估。
项目全局概览，自动展示关键指标：总提交数、活跃成员、代码行数、涉及文件数。包含提交趋势折线图、提交类型分布饼图、活跃时段热力图（7×24），以及 AI 自动生成的项目概况总结。
成员贡献排行、能力雷达图、贡献趋势对比。支持按时间范围筛选，一目了然地看到谁是核心贡献者、谁的活跃度在下降。AI 自动生成团队洞察，包含风险预警、亮点发现和优化建议。
点击任意成员进入个人画像页面，展示：
- 52 周 GitHub 风格贡献热力图
- 提交类型分布（feat / fix / refactor / style...）
- 活跃模块排行
- AI 生成的个性化成员标签和画像描述
以树状图展示代码模块归属关系，直观呈现每个模块的所有者、提交热度和协作情况。帮助识别"知识孤岛"和巴士因子风险。
分类展示 AI 发现的所有洞察（风险 / 亮点 / 趋势 / 建议），支持与 AI 自由对话提问，并可一键生成专业分析报告。
基于 DeepAgent 多级 Agent 架构的深度分析功能，自动检测 7 种代码无用功模式：
| 模式 | 说明 |
|---|---|
| W1 代码蒸发 | 新增大量代码后被大面积删除 |
| W2 反复重写 | 同一文件短期内被反复大改 |
| W3 闪电回滚 | 提交后立即 revert |
| W4 先堆后拆 | 先堆砌功能再拆分重构 |
| W5 破坏性简化 | 删除有效代码导致功能退化 |
| W6 碎片化修复 | 同一问题反复小修补 |
| W7 重复劳动 | 多人做相同的事 |
分析流程：SQLite 快速预扫描 → DeepAgent 多级 Agent 协作（Git 取证官 / 代码考古师 / 模式侦探）→ 生成浪费评分和改进建议。
自动检测三类异常：
- 巴士因子：识别仅由单人维护的关键模块
- 节奏突变：检测提交频率的异常波动
- 活跃度变化：跟踪成员参与度的上升或下降趋势
GitPulse 深度集成 LLM 能力，所有 AI 功能均通过 LangChain Agent 实现工具调用，确保分析基于真实数据而非凭空生成。
支持的 AI 服务商：OpenAI / Anthropic / DeepSeek / SiliconFlow / OpenRouter / Groq / Together / Fireworks / 自定义兼容 API
AI 功能矩阵：
| 功能 | 类型 | 说明 |
|---|---|---|
| 仪表盘摘要 | 结构化输出 | 项目概况一句话总结 + 关键指标亮点 |
| 团队洞察 | 结构化输出 | 3-5 条洞察 + 团队健康度评分 |
| 异常检测 | 结构化输出 | 异常列表 + 严重程度 + 建议 |
| 成员标签 | 结构化输出 | 自动为成员生成角色标签 |
| 成员画像 | 流式输出 | AI 生成的个性化画像描述 |
| AI 对话 | 流式输出 | 基于项目数据的自由问答 |
| 报告生成 | 流式输出 | 生成 Markdown 格式的完整分析报告 |
| 工贼检测 | DeepAgent | 多级 Agent 协作的深度代码分析 |
前端 React 19 · TypeScript 5.9 · Vite 7 · Tailwind CSS 4
状态管理 Zustand 5（persist 中间件）
图表 ECharts 6
AI/LLM LangChain 1.2 · @langchain/openai · @langchain/anthropic
数据库 sql.js（SQLite WASM，持久化到 IndexedDB）
桌面框架 Tauri 2
后端 Rust（Git 操作 + 安全命令执行）
┌─────────────────────────────────────────────────┐
│ SQLite (sql.js) │
├─────────────┬───────────────┬───────────────────┤
│ 原始数据层 │ 聚合统计层 │ AI 分析层 │
│ │ │ │
│ raw_commits │ stats_by_* │ ai_results │
│ │ file_hotspots │ waste_events │
│ │ module_owner │ waste_scores │
│ │ heatmap │ waste_runs │
│ │ collab_edges │ │
└─────────────┴───────────────┴───────────────────┘
│ ↑ ↑
▼ │ │
Git Log 解析 ──→ 数据聚合 ──→ AI Agent 分析
Tauri 后端对 DeepAgent 的命令执行实施严格安全控制：
- 命令白名单：仅允许
git、rg、grep、find、wc、head、tail等只读命令 - 危险操作拦截：禁止
rm、mv、cp、git push、git reset --hard等破坏性操作 - 路径遍历防护：所有文件操作限制在仓库目录内，防止路径穿越攻击
shirehub_studio_web_demo/
├── frontend/
│ └── src/
│ ├── pages/ # 9 个页面
│ │ ├── home/ # 首页（仓库选择）
│ │ ├── analysis/ # 分析管线
│ │ ├── dashboard/ # 仪表盘
│ │ ├── team/ # 团队全景
│ │ ├── member/ # 成员画像
│ │ ├── modules/ # 模块分析
│ │ ├── insights/ # AI 洞察
│ │ ├── waste/ # 工贼检测
│ │ └── settings/ # 设置
│ ├── components/ # 可复用 UI 组件
│ ├── stores/ # Zustand 状态管理（5 个 store）
│ ├── ai/ # AI 模块
│ │ ├── tasks/ # AI 任务（7 个）
│ │ ├── tools/ # Agent 工具（7 个）
│ │ ├── schemas/ # 结构化输出 Schema
│ │ └── deepagent/ # DeepAgent 深度分析引擎
│ └── lib/
│ ├── database/ # SQLite 数据库服务
│ └── git/ # Git 操作服务
└── src-tauri/ # Rust 后端
└── src/main.rs # Tauri 命令（Git 操作 + 安全执行）
# 安装依赖
cd frontend && pnpm install
# 开发模式（Web）
pnpm dev
# 开发模式（Tauri 桌面应用）
pnpm tauri dev
# 构建
pnpm tauri build首次使用需在设置页面配置 AI 服务商：
- 打开应用 → 进入「设置」页面
- 选择 AI 服务商（如 OpenAI、DeepSeek、SiliconFlow 等）
- 填入 API Key
- 选择模型（如 gpt-4o、deepseek-chat、GLM-4 等）
- 返回仪表盘，AI 功能将自动启用