3 / 4

GitHub Repo Query

流程

GitHub Repo Query 線型流程 向量快取查詢，到取得 Repo 清單，到 Graph 導航，到 GitHub API 查詢。 01 向量快取查詢 先查同站台 歷史解決案例。 02 取得 Repo 清單 呼叫 skill 取得 站台 repo 資訊。 03 Graph 導航 進入 {site}-docs， 找到目標路徑。 04 GitHub API 查詢 在目標路徑 查詢程式碼。

前置：向量快取查詢

進入 3 步驟流程前，AI 先以問題描述向 pgvector 查詢同站台歷史案例。若找到高相似度的已解決案例，直接使用快取結果，省略完整流程。

Cache Hit
  • 相似度高 → 直接回傳歷史 findings
  • 省略 Step 1–3
Cache Miss
  • 無相似案例 → 進行完整 3 步驟查詢
查詢條件
  • namespace = 站台名稱
  • embedding = 問題描述向量

Step 1：取得 Repo 清單

Input Context 階段已帶入站台名稱（e.g. bayerhcp）。AI 先到 aiii-skills 裡面找到 aiii-customization-dev 的 skill，再用該 skill 取得該站台的 GitHub repo 清單，並確認對應的文件 repo 名稱（通常為 {site}-docs）。

輸入
  • 站台名稱（來自 Input Context）
Skill
  • 從 aiii-skills 找到對應 skill
  • aiii-customization-dev
  • 根據站台提供 GitHub repo 資訊
輸出
  • 該站台 repo 清單
  • 確認 {site}-docs 名稱

Step 2：Graph 導航

進入 {site}-docs repo，讀取預先維護的 graph 關聯檔。該檔案記錄各功能模組對應到哪些 repo 的哪些程式碼路徑。AI 根據問題描述比對 graph 節點，取出目標 repo 與相對應路徑清單。

輸入
  • 問題描述與錯誤線索
  • {site}-docs repo 名稱
Graph 檔案
  • 放置於 {site}-docs repo
  • 記錄功能 → repo + 程式碼路徑的對應
  • 格式 TBD
輸出
  • 目標 repo 名稱
  • 對應的程式碼路徑清單

Step 3：GitHub API 查詢

取得目標 repo 與路徑後，AI 使用 GitHub API 在指定範圍內進行程式碼查詢，縮小搜尋範圍、提升精準度。

搜尋方式
  • 在目標路徑下搜尋 error message 或關鍵字
  • 讀取對應路徑的程式碼檔案
分析重點
  • error code / error message 出現位置
  • 相關 function 或邏輯分支
  • 近期修改的 commit / PR
輸出
  • 相關程式碼片段
  • 可能的問題成因

回傳結果

查詢完成後，AI 整理以下資訊交給 Feedback Output 階段：