Repowise применили к проекту itsdangerous для индексации, графового анализа и обнаружения мёртвого кода

Пошаговый туториал показывает настройку Repowise в локально клонированном репозитории itsdangerous: от проверки репозитория и базовой инициализации до создания.

Repowise был применён к уже клонированному репозиторию itsdangerous в подробном практическом туториале: авторы последовательно настраивают окружение, проверяют доступность инструментов и готовят рабочую папку /content/itsdangerous. В начальной части создаются вспомогательные функции sh() и banner(), проверяются repowise --version и repowise init --help, а перед запуском скриптов гарантируется наличие репозитория в рабочей папке — это обеспечивает воспроизводимость и безопасность действий.

Базовая конфигурация записывается b.repowise/config.yaml: выбор провайдера делается по переменным окружения ANTHROPIC_API_KEY или OPENAI_API_KEY (при их отсутствии используется mock), для Anthropic указана модель "claude — sonnet-4-5", для OpenAI — "gpt-4o-mini", а embedding_model установлен на voyage-3; reasoning задан как auto. В том же файле прописаны git‑параметры: co_change_commit_limit: 200 и blame_enabled: true. 0.7, а автоматизация обслуживания регулируется maintenance.cascade_budget: 10.

Дальнейшие шаги фокусируются на извлечении репозитарной «интеллектуальной» информации: генерация.repowise‑артефактов, анализ графа репозитория с использованием PageRank и community detection, проверка git‑интеллекта и запуск dead‑code detection. Инструмент фиксирует архитектурные решения и автоматически формирует файл CLAUDE.md; взаимодействие с пользователем происходит через CLI в MCP‑стиле, а визуализация ключевых узлов помогает оценить влияние и зависимости между компонентами.

Практическая ценность подхода — воспроизводимая схема индексирования и аналитики кода, которая помогает командам приоритизировать работы по поддержке, выявлять кандидатов на удаление и документировать архитектурные решения. Интеграция LLM (Anthropic/OpenAI) расширяет контекст анализа, но зависит от доступности ключей, а настройки dead_code и maintenance задают автоматизацию рекомендаций по обслуживанию.