PyLens

Plataforma de análise e otimização inteligente de código Python.

Visão

PyLens combina análise estática (AST), análise arquitetural via AGS (Architectural Graph System) e otimização com LLM para fornecer insights profundos sobre código Python e sugestões acionáveis de melhoria.

Filosofia: "Observação, não adivinhação. Dados, não opiniões."

Funcionalidades

• Análise Estática — Score de otimização (0-100), métricas de loops, imports, operações matemáticas
• Análise Arquitetural — Classificação de regime (MODULAR, ENTANGLED, COUPLED, etc.), cyclic_ratio, dependency_density
• Métricas Arquiteturais — coupling_index, cohesion_index, leakage_ratio
• Otimização com LLM — Geração de variantes otimizadas usando múltiplos backends (Ollama, OpenAI)
• Verificação — Execução de testes pytest e verificação de memória
• Relatório Inteligente — Consolida todas as análises em um relatório acionável

Arquitetura

Python Code → Analysis (AGS + AST) → LLM Optimizer → Verification
         ↘                                              ↙
     Architectural Report                    Multi-target Output
         + insights                              (or suggestions)

Stack

Camada	Tecnologia
Runtime	Python 3.9+
Framework	FastAPI
ORM	SQLModel + SQLite/PostgreSQL
Análise	AST nativo + AGS (NetworkX)
LLM	Ollama (local) / OpenAI API
Testes	pytest + Hypothesis

Quick Start

# Instalar dependências
pip install -e .

# Configurar variáveis de ambiente
cp .env.example .env

# Executar
uvicorn app.main:app --reload

API Endpoints

Método	Rota	Descrição
POST	/analyze	Análise completa do código
POST	/decide	Pipeline inteligente de decisão
POST	/optimize	Otimização com LLM (suporta auto_route)
POST	/report	Relatório inteligente consolidado
GET	/health	Verificação de saúde
POST	/signup	Criar conta
POST	/login	Autenticação

Exemplo de Uso

Análise

import requests

response = requests.post("http://localhost:8000/analyze", json={
    "code": """
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

results = [fibonacci(x) for x in range(10)]
"""
})

print(response.json())
# {
#   "static_analysis": {"score": 75, "optimization_potential": "HIGH", ...},
#   "architectural": {"regime": "MODULAR_SMALL", "feasibility": "HIGH", ...},
#   "code_structure": {"classes": 0, "functions": 1, "loops": 1, ...}
# }

Otimização

response = requests.post("http://localhost:8000/optimize", json={
    "code": """
for i in range(1000):
    for j in range(1000):
        result = i * j
""",
    "optimization_focus": "performance",
    "num_variants": 3
})

print(response.json())
# {
#   "variants": [
#     {
#       "optimized_code": "result = [i * j for i in range(1000) for j in range(1000)]",
#       "explanation": "Substituído loop aninhado por list comprehension...",
#       "improvements": ["Melhor legibilidade", "Possível otimização interna"]
#     },
#     ...
#   ]
# }

Desenvolvimento

# Rodar testes
pytest

# Formatação
ruff format .

# Lint
ruff check .

Licença

MIT