qe-code-intelligence — скилл для Claude Code: индекс кода и поиск
Скилл qe-code-intelligence строит семантический индекс кодовой базы, карты зависимостей и граф знаний. Помогает разобраться в незнакомом коде, отследить цепочки вызовов и найти нужные участки по смыслу запроса.
MIT 122 установок ★ 533 обновлён 2026-10-25
npx skills add proffesor-for-testing/agentic-qe --skill qe-code-intelligence -a claude-codeЧто делает qe-code-intelligence
Скилл индексирует код в граф знаний (классы, функции, типы, связи между ними), генерирует эмбеддинги и ищет по семантике, а не по ключевым словам. Команда aqe code index src/ --incremental строит индекс только изменённых файлов. aqe code search "authentication middleware" находит код по описанию задачи. aqe code impact src/services/UserService.ts --depth 3 показывает, что сломается при правке файла.
Внутри работают субагенты: qe-kg-builder парсит файлы и извлекает сущности, qe-dependency-mapper чертит связи импортов и вызовов, qe-impact-analyzer считает последствия изменений. Граф хранится в AgentDB, поиск идёт по векторным эмбеддингам с порогом схожести 0.7 по умолчанию.
На репозиториях больше 50 тысяч строк индексация падает. Успешность поиска через агента — 18 %, для простых запросов быстрее grep. Скилл обещает сократить контекст на 80 %, но может пропустить критичные файлы — проверяй результаты вручную. Перед первым запуском нужна инициализация флота: aqe init.
Какие задачи решает
- разобраться в незнакомом коде без чтения всей базы
- найти функции по описанию задачи, а не по имени
- построить граф зависимостей и увидеть, что сломается при правке
- снизить размер контекста для агента, отобрав только релевантные участки
- отследить цепочку вызовов и импортов через несколько уровней
Примеры запросов агенту
- Проиндексируй
src/и найди всё, что связано с аутентификацией пользователей - Построй граф зависимостей для
src/services/OrderService.tsна три уровня вглубь - Покажи, какие файлы сломаются, если я изменю
UserService.ts
Как установить qe-code-intelligence
1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qe-code-intelligence -a claude-code2Вручную: положить файлы
~/.claude/skills/qe-code-intelligence/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/qe-code-intelligence/
1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qe-code-intelligence -a codex2Вручную: положить файлы
.agents/skills/qe-code-intelligence/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qe-code-intelligence -a cursor2Вручную: положить файлы
.cursor/skills/qe-code-intelligence/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install proffesor-for-testing/agentic-qe assets/skills/qe-code-intelligence2Вручную: положить файлы
.github/skills/qe-code-intelligence/SKILL.md1Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qe-code-intelligence -a gemini-cli2Командой платформы
gemini skills install https://github.com/proffesor-for-testing/agentic-qe --path assets/skills/qe-code-intelligenceВручную: положить файлы
.devin/skills/qe-code-intelligence/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add proffesor-for-testing/agentic-qe --skill qe-code-intelligence -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о qe-code-intelligence
Как установить qe-code-intelligence в Claude Code?
Выполни npx skills add proffesor-for-testing/agentic-qe --skill qe-code-intelligence -a claude-code, скилл появится в ~/.claude/skills/qe-code-intelligence/SKILL.md.
Что делает qe-code-intelligence?
Строит семантический индекс кода, граф зависимостей и ищет участки по смыслу запроса. Помогает понять незнакомый код, отследить вызовы и уменьшить контекст для агента.
Почему индексация падает на больших репозиториях?
Скилл не справляется с кодовыми базами больше 50 тысяч строк. Индексируй отдельные модули командой aqe code index src/module/ --incremental, а не весь репозиторий разом.
Исходный текст
SKILL.md · MIT
---
name: "qe-code-intelligence"
description: "Builds semantic code indexes, maps dependency graphs, and performs intelligent code search across large codebases. Use when understanding unfamiliar code, tracing call chains, analyzing import dependencies, or reducing context window usage through targeted retrieval."
trust_tier: 3
validation:
schema_path: schemas/output.json
validator_path: scripts/validate-config.json
eval_path: evals/qe-code-intelligence.yaml
---
# QE Code Intelligence
## Purpose
Guide the use of v3's code intelligence capabilities including knowledge graph construction, semantic code search, dependency mapping, and context-aware code understanding with significant token reduction.
## Activation
- When understanding unfamiliar code
- When searching for code semantically
- When analyzing dependencies
- When building code knowledge graphs
- When reducing context for AI operations
## Quick Start
```bash
# Index codebase into knowledge graph
aqe code index src/ --incremental
# Semantic code search
aqe code search "authentication middleware"
# Analyze change impact
aqe code impact src/services/UserService.ts --depth 3
# Map dependencies
aqe code deps src/
# Analyze complexity and find hotspots
aqe code complexity src/
# Generate C4 architecture diagrams (Mermaid) with a confidence score
aqe code c4 .
```
## Agent Workflow
```typescript
// Build knowledge graph
Task("Index codebase", `
Build knowledge graph for the project:
- Parse all TypeScript files in src/
- Extract entities (classes, functions, types)
- Map relationships (imports, calls, inheritance)
- Generate embeddings for semantic search
Store in AgentDB vector database.
`, "qe-kg-builder")
// Semantic search
Task("Find relevant code", `
Search for code related to "user authentication flow":
- Use semantic similarity (not just keyword)
- Include related functions and types
- Rank by relevance score
- Return with minimal context (80% token reduction)
`, "qe-code-intelligence")
```
## Knowledge Graph Operations
### 1. Codebase Indexing
```typescript
await knowledgeGraph.index({
source: 'src/**/*.ts',
extraction: {
entities: ['class', 'function', 'interface', 'type', 'variable'],
relationships: ['imports', 'calls', 'extends', 'implements', 'uses'],
metadata: ['jsdoc', 'complexity', 'lines']
},
embeddings: {
model: 'code-embedding',
dimensions: 384,
normalize: true
},
incremental: true // Only index changed files
});
```
### 2. Semantic Search
```typescript
await semanticSearcher.search({
query: 'payment processing with stripe',
options: {
similarity: 'cosine',
threshold: 0.7,
limit: 20,
includeContext: true
},
filters: {
fileTypes: ['.ts', '.tsx'],
excludePaths: ['node_modules', 'dist']
}
});
```
### 3. Dependency Analysis
```typescript
await dependencyMapper.analyze({
entry: 'src/services/OrderService.ts',
depth: 3,
direction: 'both', // imports and importedBy
output: {
graph: true,
metrics: {
afferentCoupling: true,
efferentCoupling: true,
instability: true
}
}
});
```
## Token Reduction Strategy
```typescript
// Get context with 80% token reduction
const context = await codeIntelligence.getOptimizedContext({
query: 'implement user registration',
budget: 4000, // max tokens
strategy: {
relevanceRanking: true,
summarization: true,
codeCompression: true,
deduplication: true
},
include: {
signatures: true,
implementations: 'relevant-only',
comments: 'essential',
examples: 'top-3'
}
});
```
## Knowledge Graph Schema
```typescript
interface KnowledgeGraph {
entities: {
id: string;
type: 'class' | 'function' | 'interface' | 'type' | 'file';
name: string;
file: string;
line: number;
embedding: number[];
metadata: Record<string, any>;
}[];
relationships: {
source: string;
target: string;
type: 'imports' | 'calls' | 'extends' | 'implements' | 'uses';
weight: number;
}[];
indexes: {
byName: Map<string, string[]>;
byFile: Map<string, string[]>;
byType: Map<string, string[]>;
};
}
```
## Search Results
```typescript
interface SearchResult {
entity: {
name: string;
type: string;
file: string;
line: number;
};
relevance: number;
snippet: string;
context: {
before: string[];
after: string[];
related: string[];
};
explanation: string;
}
```
## CLI Examples
```bash
# Full reindex
aqe code index src/
# Incremental index (changed files only)
aqe code index src/ --incremental
# Index only files changed since a git ref
aqe code index . --git-since HEAD~5
# Semantic code search
aqe code search "database connection"
# Change impact analysis
aqe code impact src/services/UserService.ts
# Dependency mapping
aqe code deps src/ --depth 5
# Complexity metrics and hotspots
aqe code complexity src/ --format json
```
## Gotchas
- WARNING: code-intelligence domain has 18% success rate — prefer direct grep/glob over agent-based code search for simple queries
- Knowledge graph construction fails on repos >50K LOC — scope to specific modules
- Semantic search returns irrelevant results without domain-specific embeddings — always verify search results manually
- Agent claims "80% token reduction" but may skip critical context — verify key files are included in results
- Fleet must be initialized before using: run `aqe health` to diagnose, or `aqe init` to re-initialize if you get initialization errors
## Coordination
**Primary Agents**: qe-kg-builder, qe-dependency-mapper, qe-impact-analyzer, qe-code-complexity
**Coordinator**: qe-code-intelligence
**Related Skills**: qe-test-generation, qe-defect-intelligence
© proffesor-for-testing · MIT · proffesor-for-testing/agentic-qe