Trouvez automatiquement ce qui compte dans votre base de code
PlanToCode cartographie les fichiers impactés avant que vous n'exécutiez quoi que ce soit. Vous obtenez un contexte ciblé en qui vous pouvez avoir confiance.
Intelligence multi-étapes
Workflow IA en 5 étapes avec filtrage regex, évaluation de pertinence et découverte de chemins pour identifier les fichiers les plus pertinents.
Fonctionnement rentable
Workflow optimisé pour les tokens avec batching intelligent. Suivi des coûts intégré à chaque étape.
Progression en temps réel
Suivi de progression en direct avec mises à jour étape par étape. Voyez exactement ce que l'IA découvre.
Le processus de découverte en 5 étapes
Sélection de dossier racine
L'IA analyse votre structure de répertoires (jusqu'à 2 niveaux de profondeur) pour identifier les zones de projet pertinentes. Utilise l'intelligence hiérarchique pour sélectionner les dossiers parents vs. les sous-répertoires.
- Analyse hiérarchique des répertoires
- Sélection intelligente parent/sous-répertoire
- Évite les sélections imbriquées redondantes
Génération de patterns regex et filtrage
Génère des patterns regex intelligents et effectue un filtrage initial de fichiers. S'intègre avec git pour respecter les règles .gitignore et filtrer les fichiers binaires.
- Création dynamique de patterns regex
- Intégration de git ls-files
- Détection et exclusion des fichiers binaires
Évaluation de pertinence de fichiers IA
Analyse approfondie du contenu utilisant LLM pour évaluer la pertinence des fichiers par rapport à votre tâche. Utilise un batching intelligent avec estimation de tokens consciente du contenu pour un traitement optimal.
- Scoring de pertinence basé sur le contenu
- Batching intelligent conscient des tokens
- Gestion de la surcharge de 2000 tokens
Découverte de chemins étendus
Découvre des fichiers contextuellement pertinents supplémentaires par analyse de relations. Analyse les imports, configurations et structure de projet pour trouver les fichiers liés.
- Analyse des déclarations d'import
- Traversée du graphe de dépendances
- Découverte de fichiers de configuration
Capacités de découverte avancées
Gestion intelligente des tokens
L'estimation de tokens consciente du contenu optimise le batching. Différents ratios pour JSON/XML (5 cars/token), code (3 cars/token) et texte (4 cars/token) assurent un traitement efficace.
- Dimensionnement dynamique des chunks par type de fichier
- Réservation de 2000 tokens de surcharge de prompt
- Traitement par lots (100 fichiers par défaut)
- TTL de cache de fichiers de 30 secondes
Orchestration de workflow distribué
WorkflowOrchestrator gère le cycle de vie avec initialisation paresseuse, planification de dépendances et récupération de jobs orphelins. Chaque étape s'exécute comme un job en arrière-plan indépendant.
- Gestion des dépendances d'étapes
- Mises à jour de progression pilotées par événements via Tauri
- Persistance de WorkflowIntermediateData
- Logique de réessai avec backoff exponentiel
Intégration du dépôt Git
Exécute `git ls-files --cached --others --exclude-standard` pour respecter les règles .gitignore. Repli sur la bibliothèque git2 en cas d'échec de la commande.
- Git ls-files avec respect de .gitignore
- Détection et filtrage des fichiers binaires
- Exclusion basée sur l'extension (97 types)
- Analyse de contenu pour détection de binaires
Intégration du plan d'implémentation
Les fichiers découverts alimentent directement le système de planification d'implémentation. Le contexte est préservé et optimisé pour la génération de plan, garantissant des résultats complets et précis.
- Intégration transparente de génération de plan
- Préservation du contexte entre les sessions
- Support de génération de plan multi-modèles
- Préparation de synthèse architecturale
Rentable et rapide
Coût typique
Par exécution de workflow. L'optimisation intelligente des tokens maintient les coûts minimaux tout en maximisant la qualité de découverte.
Temps de traitement
Dépend de la taille et de la complexité du dépôt. Suivi de progression en temps réel avec mises à jour étape par étape.
Taux de précision
Raffinement multi-étapes avec évaluation de pertinence et analyse de relations pilotées par l'IA.
Related Features
Discover more powerful capabilities that work together
Voice to Terminal Commands
Speak naturally, execute precisely. No more typing complex commands.
Learn moreMulti-Model Planning Synthesis
Get the best insights from GPT-5, Claude, and Gemini combined
Learn moreDécouvrez la découverte intelligente de fichiers
Le flux de travail de découverte de fichiers s'exécute dans le client de bureau aux côtés de la planification d'implémentation et des sessions de terminal.