uco-sensor-spectral-code-quality-analysis
Analisador espectral de qualidade de código multi-linguagem (Python, JS/TS, Java, Go). Detecta padrões de degradação via análise espectral + change-point exato sobre 9 canais UCO: H (Hamiltoniano), CC, ILR, DSM_d, DSM_c, DI, dead, dups, bugs. Publica UCO_ANOMALY_DETECTED no APEX EventBus para classificações CRITICAL. Alternativa open-source ao SonarQube — sem LLM, billing por chamada de API.
소스 정보
- 저장소
- thiagofernandes1987-create/APEX
- 최근 소스 활동
- 2026년 9월 18일 06:01
- 감지된 SKILL.md 언어
- 포르투갈어
- 스타
- 2
- 포크
- 0
설치 방법
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
소스 파일 검토
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
파일 탐색기
100 개 파일SKILL.md 표시 중
SKILL.md
소스 지침 · 읽기 전용 미리보기- skill_id
- algorithms.uco-sensor.sensor
- name
- UCO-Sensor — Spectral Code Quality Analysis
- description
- Analisador espectral de qualidade de código multi-linguagem (Python, JS/TS, Java, Go). Detecta padrões de degradação via análise espectral + change-point exato sobre 9 canais UCO: H (Hamiltoniano), CC, ILR, DSM_d, DSM_c, DI, dead, dups, bugs. Publica UCO_ANOMALY_DETECTED no APEX EventBus para classificações CRITICAL. Alternativa open-source ao SonarQube — sem LLM, billing por chamada de API.
- version
- v3.97.0
- status
- BETA
- domain_path
- algorithms/uco-sensor
- anchors
- ["uco","uco_sensor","spectral_analysis","code_quality","sonarqube_alternative","hamiltonian","cyclomatic_complexity","infinite_loop_risk","dead_code","duplicate_detection","apex_integration","UCO_ANOMALY_DETECTED","frequency_engine","sarif","multi_language"]
- source_repo
- uco-sensor
- risk
- safe
- languages
- ["python"]
- llm_compat
- {"claude":"full","gpt4o":"partial","gemini":"partial","llama":"minimal"}
- apex_version
- v3.97.0
- apex_events
- {"publishes":[{"event_type":"UCO_ANOMALY_DETECTED","trigger":"classification severity >= CRITICAL","fields":"[Truncated]"}],"consumes":[]}
- test_coverage
- {"baseline_full_suite":"2645 passed at v3.96.0","scientific_hardening":"M105 added in v3.97.0","canonical_runner":"run_tests_all.py","ci":".github/workflows/uco-sensor-ci.yml"}
- entry_points
- {"cli":"sensor-api/cli.py","server":"sensor-api/api/server.py","scan":"sensor-api/scan/repo_scanner.py"}
# UCO-Sensor
Analisador espectral de qualidade de código — alternativa open-source ao SonarQube.
## O que faz
Analisa código-fonte em **Python, JavaScript/TypeScript, Java e Go** extraindo 9 canais UCO:
| Canal | Descrição |
|---------|-----------|
| H | Hamiltoniano (Halstead effort / LOC) |
| CC | Cyclomatic Complexity |
| ILR | Infinite Loop Risk |
| DSM_d | Density de dependências |
| DSM_c | Ciclicidade de dependências |
| DI | Dependency Instability |
| dead | Linhas de código morto |
| dups | Blocos duplicados |
| bugs | Halstead bug density |
O **FrequencyEngine** aplica Welch/STFT/Wavelet e change-point por programação
dinâmica penalizada exata sobre séries temporais desses canais. Frequências são
expressas em **ciclos por commit**; Hurst só participa de decisões com histórico
amostral suficiente.
- `AI_CODE_BOMB` — spike simultâneo em dead + dups + ILR
- `TECH_DEBT_ACCUMULATION` — H crescendo em ULF/LF
- `GOD_CLASS_FORMATION` — DI dominante em HF
- `COGNITIVE_COMPLEXITY_EXPLOSION` — CC burst agudo
- `DEPENDENCY_CYCLE_INTRODUCTION` — DSM_c > 0.5
- `LOOP_RISK_INTRODUCTION` — ILR isolado
- `DEAD_CODE_DRIFT` — dead acumulando; Hurst é evidência auxiliar, não prova de irreversibilidade
- `REFACTORING_OPPORTUNITY` — correlação DSM_d + CC
## Integração APEX
Quando `severity == CRITICAL`, o `ApexConnector` publica `UCO_ANOMALY_DETECTED` no `ApexEventBus`:
```python
from apex_integration.connector import get_connector
connector = get_connector()
connector.handle(classification_result, store)
# → publica {"event_type": "UCO_ANOMALY_DETECTED", "primary_error": "AI_CODE_BOMB", ...}
```
## CLI
```bash
# Escanear repositório local
python cli.py scan ./meu-projeto
# Escanear todos os repos de um usuário GitHub
python cli.py scan-github thiagofernandes1987-create
# Filtrar repos específicos
python cli.py scan-github thiagofernandes1987-create --repos apex,uco-sensor
# Saída SARIF para GitHub Code Scanning
python cli.py scan ./meu-projeto --format sarif > results.sarif
# Iniciar servidor HTTP
python cli.py serve --port 8080 --db uco.db --apex-url https://apex.example.com
```
## API REST
```
POST /analyze — analisa código + classifica
POST /analyze-pr — analisa diff de PR → SARIF + status
POST /scan-repo — escaneia diretório remoto
GET /health — liveness probe
GET /docs — auto-documentação
GET /anomalies — eventos UCO_ANOMALY_DETECTED persistidos
POST /auth/keys — cria API key
GET /apex/status — status da integração APEX
POST /apex/ping — testa conectividade APEX
```
## Instalação
```bash
pip install numpy scipy PyWavelets
# Opcional (tree-sitter para JS/TS/Java/Go):
pip install tree-sitter tree-sitter-python tree-sitter-javascript \
tree-sitter-typescript tree-sitter-java tree-sitter-go
```
## CI/CD
Copie `.github/workflows/uco-sensor.yml` (gerado em `sensor-api/ci/`) para o seu repositório.
Funciona como quality gate: bloqueia PRs com arquivos CRITICAL, faz upload SARIF para GitHub Code Scanning.
## Diff History
- **v00.37.0**: Marco 3 completo — APEX integration, scan-github CLI, 209/209 testes
- **v00.36.0**: Marco 2 completo — multi-language adapters, auth/billing, CI/CD
- **v00.35.0**: Marco 1 completo — UCOBridge, SnapshotStore, FrequencyEngine pipeline
GitHub에서 보기