Agente Analista de Código v1.0 (Simplificado com Sistemas Avançados)

Uma aplicação desktop em Python para análise de código-fonte usando Large Language Models (LLMs) através do Ollama. A aplicação foi completamente refatorada e simplificada em 2025, mantendo 100% da funcionalidade original com uma arquitetura muito mais limpa e mantenível, além de sistemas avançados de checkpoint, pausa automática e timing preciso.

🎯 Sobre a Refatoração (Novembro 2025)

Este projeto passou por uma operação de simplificação abrangente que:

• Reduziu complexidade em 60% sem perda de funcionalidade
• Eliminou over-engineering e código duplicado
• Criou componentes reutilizáveis para desenvolvimento futuro
• Manteve compatibilidade total com dados existentes

Status: ✅ Produção Ready - Simplificado e Otimizado

🏗️ Arquitetura Simplificada

Estrutura Principal

analisador/                        # 🎯 PROJETO SIMPLIFICADO
├── core/                         # 🆕 Componentes compartilhados
│   ├── base_controller.py        # Controller genérico reutilizável
│   ├── ui_components.py          # Cards genéricos (Config, Execution, Files)
│   └── view_manager_template.py   # Template para views consistentes
├── services/
│   └── unified_timing_service.py # ⚡ Serviço unificado (substitui 3)
├── modules/                      # Módulos específicos
│   ├── analise/                  # Análise de código refatorada
│   ├── sintese/                  # Síntese de grafos
│   ├── grafo/                    # Visualização
│   └── dashboard/                # Analytics com RAG
└── storage/                      # Dados persistentes

Componentes Genéricos (Novo)

• BaseController: Elimina código duplicado entre controllers
• ConfigCard: Gera UI de configuração dinamicamente
• ExecutionCard: Controle padronizado de execução
• FilesCard: Seleção unificada de arquivos

Serviços Unificados

• UnifiedTimingService: Substitui 3 serviços de timing por 1
• Compatibilidade mantida com dados antigos
• Tracking integrado de LLM calls

🚀 Características Principais

🔍 Análise de Código com Sistemas Avançados

• Sistema de Checkpoint Inteligente: Evita análises redundantes validando configurações anteriores
• Pausa Automática por API: Detecta limites de API (429, 403) e pausa automaticamente com retentativa
• Timing Preciso: Mede tempo efetivo excluindo períodos de pausa automática
• Suporte para múltiplas linguagens (C, C++, Python, Java, JavaScript, etc.)
• Extração automática de grafos de chamadas de funções
• Análise estrutural usando LLMs via Ollama com extração robusta de JSON
• Processamento em batch com controle de threads e recuperação automática

⏱️ Métricas e Timing com Sistema Preciso

• Timing preciso excluindo pausas: Mede tempo efetivo vs tempo total com pausas
• Serviço unificado de timing para todas as medições
• Registro detalhado de períodos de pausa automática
• Tempo de processamento LLM por arquivo
• Estatísticas consolidadas em tempo real
• Exportação automática em storage/export/ com métricas completas

🎨 Interface Gráfica com Status Dinâmico

• Interface responsiva construída com Flet
• Componentes genéricos reutilizáveis entre módulos
• Visualização em tempo real do progresso com informações de checkpoint
• Display integrado de timing efetivo e métricas de economia
• Logs detalhados com encoding corrigido
• Controles dinâmicos: Botão de retry aparece automaticamente durante pausas
• Status inteligente: Mostra arquivos pulados por checkpoint e economia de API

💾 Armazenamento

• Estrutura otimizada em storage/
• Exportação de resultados em JSON
• Logs unificados de timing e analytics
• Compatibilidade mantida com dados existentes

📚 Documentação Completa

Para informações detalhadas, consulte a documentação em docs/:

• 📖 docs/DEVELOPMENT_GUIDE.md - Guia completo para desenvolvedores
• 📊 docs/SIMPLIFICATION_REPORT.md - Relatório da refatoração de Novembro 2025
• 🔄 docs/checkpoint_system.md - NOVO: Sistema completo de checkpoint, pausa automática e timing preciso

🐛 Bugs Corrigidos e Novos Sistemas

Encoding nos Logs (Fixado)

• ✅ Caracteres acentuados agora aparecem corretamente
• ✅ Emojis removidos apenas no Windows (mantidos em Linux)
• ✅ Logs legíveis: "Configuração atualizada" em vez de "Configura??o atualizada"

UI Callback e Status Dinâmico (Fixado)

• ✅ Interface atualizada corretamente durante análises
• ✅ Components UI conectados adequadamente ao controller
• ✅ Botão "Forçar Retry" aparece automaticamente durante pausas
• ✅ Card "Controle de Execução" mostra informações dinâmicas de checkpoint

Sistemas Avançados Implementados

• ✅ Checkpoint Inteligente: Sistema completo para evitar análises redundantes
• ✅ Pausa Automática: Detecção e recuperação automática de limites de API
• ✅ Timing Preciso: Medição de tempo efetivo excluindo períodos de pausa
• ✅ JSON Robusto: Extração com múltiplas estratégias e fallbacks
• ✅ Economia de API: Relatórios detalhados de requisições economizadas

Início Rápido

Pré-requisitos

• Python 3.8+
• Ollama instalado e rodando
• Modelo LLM disponível (ex: codellama, gpt-oss)

Instalação

1. Clone o repositório:

git clone <repositório>
cd analisador

2. Instale as dependências:

pip install -r requirements.txt

3. Inicie o Ollama:

ollama serve

4. Baixe um modelo:

ollama pull codellama

5. Execute a aplicação:

flet run --web main.py

6. Dentro do arquivo storage/users.json, é necessário inserir o hash SHA-256 para a senha que você desejar acessar com o usuário "mestre". Exemplo de SHA-256 para o login (usuário "mestre", senha "mestre"): SHA-256 correspondente para a senha "mestre": 863d84a7041da19852d2a33098dcda868cf000f6b2b07c1f7c12560e0a7a0ec3.

Como Usar

1. Selecione os Arquivos: Na aba "Arquivos", selecione os arquivos de código-fonte que deseja analisar
2. Configure a Análise: Defina o modelo LLM, temperatura e outras configurações
3. Inicie a Análise: Clique em "Iniciar Análise" para começar o processamento
4. Acompanhe o Progresso:
   • Veja o tempo efetivo de processamento (excluindo pausas automáticas)
   • Monitore checkpoints: arquivos pulados serão mostrados com "✅ Checkpoint reaproveitado"
   • Durante pausas automáticas, botão "Forçar Retry" aparecerá para retentativa imediata
5. Visualize Resultados: Confira os grafos gerados, estatísticas e economia de API
6. Gerencie Análises: Use status completo para ver economia e limpe análises com erro

Métricas de Timing com Sistema Preciso

O sistema gera automaticamente arquivos de timing detalhados em storage/export/ com medições precisas que excluem períodos de pausa automática:

Formato do Arquivo Avançado

{
  "metadata": {
    "tool_name": "CallGraphAnalyzer",
    "project_name": "projeto_exemplo",
    "timestamp": "2025-11-18T03:24:26Z",
    "has_checkpoint_system": true,
    "has_automatic_pause": true
  },
  "timing": {
    "total_analysis_time_ms": 3124567.89,      // Tempo total com pausas
    "effective_analysis_time_ms": 2456789.12,   // Tempo efetivo sem pausas
    "files_processing_time_ms": 2890123.45,    // Tempo dos arquivos
    "llm_total_time_ms": 2564321.10,            // Tempo total de chamadas LLM
    "total_pause_time_ms": 667856.77,           // Tempo total em pausa automática
    "files": [
      {
        "file_path": "src/main.c",
        "analysis_time_ms": 45234.56,
        "nodes": 15,
        "edges": 8,
        "checkpointed": false
      },
      {
        "file_path": "src/utils.c",
        "analysis_time_ms": 0.0,               // Checkpoint reaproveitado
        "nodes": 22,
        "edges": 14,
        "checkpointed": true
      }
    ]
  },
  "summary": {
    "total_files_processed": 658,
    "total_nodes": 12450,
    "total_edges": 8932,
    "checkpoints_used": 234,
    "api_requests_saved": 234
  }
}

O Que é Medido

1. Tempo Efetivo (effective_analysis_time_ms):

   • Mede apenas tempo de trabalho real
   • Exclui automaticamente períodos de pausa por API
   • Representa o tempo real de processamento

2. Tempo Total (total_analysis_time_ms):

   • Inclui tempo de pausas automáticas
   • Tempo decorrido desde início até fim
   • Útil para planejamento de tempo total

3. Tempo de Pausa (total_pause_time_ms):

   • Tempo acumulado em pausas automáticas por API
   • Calculado automaticamente pelo sistema
   • Importante para métricas de eficiência

4. Economia de Checkpoint:

   • Arquivos com analysis_time_ms: 0.0 foram reaproveitados
   • Redução significativa no uso da API
   • Economia de tempo e recursos

Para detalhes completos, veja docs/checkpoint_system.md.

Estrutura do Projeto

analisador/
├── modules/              # Módulos principais
│   ├── analise/         # Análise de código
│   ├── sintese/         # Síntese de grafos
│   ├── grafo/           # Visualização
│   ├── dashboard/       # Dashboard analítico
│   └── auth/            # Autenticação
├── services/            # Serviços auxiliares
│   ├── ollama_service.py
│   ├── timing_logger_service.py
│   └── analysis_timer_service.py
├── storage/             # Dados persistentes
│   ├── export/          # Arquivos de timing
│   ├── data/            # Resultados JSON
│   └── *.db             # Bancos SQLite
├── docs/                # Documentação
└── main.py              # Ponto de entrada

Logs e Debug

Logs da Aplicação

• Localização: log/app.log
• Níveis: INFO, WARNING, ERROR
• Logs em tempo real na interface

Logs de Timing

• Localização: storage/export/timing_*.json
• Gerado automaticamente após cada análise
• Inclui métricas detalhadas por arquivo

Configuração

A configuração pode ser ajustada na interface ou diretamente no arquivo:

• llm_modelo: Modelo LLM a usar
• llm_temperatura: Criatividade da geração (0.0-1.0)
• llm_tamanho_contexto: Tamanho do contexto (tokens)

Troubleshooting

Problemas Comuns

1. Ollama não conectado

   • Verifique se ollama serve está rodando
   • Confirme a URL em http://localhost:11434

2. Modelo não encontrado

   • Use ollama list para ver modelos disponíveis
   • Baixe com ollama pull <modelo>

3. Timeout na análise

   • Aumente o timeout para análises complexas
   • Reduza o tamanho do contexto

4. Arquivo de timing não gerado

   • Verifique permissões em storage/export/
   • Confirme se a análise foi concluída com sucesso

Contribuição

1. Fork o projeto
2. Crie uma branch de feature
3. Faça commit das mudanças
4. Abra um Pull Request

Licença

MIT License - Veja o arquivo LICENSE para detalhes.

Suporte

Para suporte e dúvidas:

• Abra uma issue no GitHub

• Consulte a documentação em docs/

• Verifique os logs em log/app.log