回顧録
ある日、CLI環境を構築する際に、新たなTUI（ターミナルインターフェース）アプリが必要だなと感じた。
それは、ChatGPTやGeminiに代表されるAI-Chatアプリだ。それらがターミナルから使えればいいなと思ったのが事の始まりである。
そこでgemini-cliというものを知り、GeminiAPIKeyが必要になることを知る。そこからGeminiAPIに興味を持ち、手始めにpythonに接続することで、広範囲の分析が可能になることを知った。
これより、プロジェクトglyzerの始まりである。
インストール
このプロジェクトの理想
Neovimでの開発中に、特定のキーマップより(<leader>gmなど)現在のファイルに対して、geminiと応答を図る。また、入力でディレクトリパスを指定して、その中の指定拡張子よりdbファイルにまとめ、それをソースに、触媒に、栄養にし、応答を図る。
2つの環境の類似性より、分析を依頼する。
gemini-cliに関するコマンド
- ファイル群をdbファイル形式にする
これはgeminiが食う。
gemini-cli embed db out.db --files .,*.py
gemini-cli embed db out.db --files-list question.txt
PythonはあくまでGeminiAPIを使って、ソースを食わせる役割。別に言語は何でもいいと思う
現在思考中のもの
以下、glyzer:/setup.py の説明
gemini-cliコマンドより、検索対象となるコード、それに対する質問となるコード(平文でもコードとみなす)に対して、それらいくつものファイル群を、数値ベクトル・埋め込みベクトルに変換(dbファイルにあたる)したものを、NumPy配列に変換する。単にdbファイルにエクスポートし、数値ベクトルにしても、それらは単なるバイナリデータに過ぎず、特定のデータ型・構造を持たないため、直接的に数値演算が可能になるNumPy配列に変換する必要がある。これにより、データを特定のデータ型(整数、不動小数点など)を持つ多次元配列として解釈できる。これより、コサイン類似性より比較する。コサイン類似度の高いコード片をソートし、出力する。また、その類似性よりわかったコードスニップより、geminiと応答する。
なぜデータベース(*.db)形式なのか。
- 大量の埋め込みベクトルが効率的に保存・管理ができる
- インデックス機能より検索が容易である
- データベースを容易に持ち運び、共有できる