AI热点 7小时前 158 阅读 0 评论

这才是 AI 时代的读码方式!智谱 Z.ai 发布 Zread.AI,助力开源项目阅读新体验

作者头像
AI中国

AI技术专栏作家 | 发布了 246 篇文章

程序员的职业生涯,一半时间在写代码。


另一半,在读别人写的代码。


而后者,往往是头秃的开始。


Zread.ai 这玩意最近在开发者圈内越来越受欢迎。一个很牛的代码解读工具。



专为代码场景设计的 Deep Research


它的界面干净,原生中文支持, 只有一个输入框和已经解析好的大量Github仓库。 用法很简单。 官网已经列出了 非常多的知名的开源项目。



你可以从里边挑一个。比如智谱的ChatGLM-6B 。你点进去,会看到一份像是“项目地图”一样的解析文档:不啰嗦、不绕弯,该有的都有,一眼就能抓住重点。



许多人都在关注AI,而有些人不仅仅是在谈论着地图上的风暴,也正通过代码阅读着真实的气压。


用 Zread.ai 刷项目,就像刷电子书一样


随手翻,随时读。不光解析得比 README 更详细,还多了很多原项目没有的东西,比如清晰的架构图、功能模块划分等,都是 Zread.ai 自动生成的。


更妙的是,它还附带了社区信息:项目的讨论热度、最近的提交情况、甚至能看到最初开发团队的设计思路和应用方向。


如果我做开源项目推荐,那这些,就很对路。


对我来说,这就像——


求知欲在云端漫步 (Zread.ai),


而创造力在本地生根 (Cursor / CC)。


它还有许多用处,我们一一介绍。


首先,快速总结一下“屎山代码”:


接手屎山代码,不费力,快速入手,梳理技术架构,提炼技术沉淀,提升研发效率,快速生成可用文档,包括API文档、用户手册、仓库说明书等,一键完成产品文档构建,助力团队协作和内部迭代。


这一切其实很简单,直接访问它的网站:


https://zread.ai/


只需要点击添加你的私人仓库,举个例子——: 从0到1用AI做了个AI服务网站, 全程没写一行代码。



等了五分钟,就能看到一份详尽的结果。



他对这个项目的解析效果让我挺满意的,尤其是网站上涉及的三个 AI 服务,架构图画得很清晰。分析也很细致,整体感觉既深入又简洁,没什么多余的东西。



这些隔的比较久的项目。直接看他这个文档,短时间就能“恢复记忆”了。后续用ai开发的时候,还可以用这个文档作为上下文。



也不需要写文档了,直接把他的链接嵌到 Readme 里就好了,省时省力。



为了更好地演示,让我们看看一个更标准的开源项目。


我随手把我之前介绍过多次的 playwright mcp开源项目GitHub链接扔了进去。


https://github.com/microsoft/playwright



点击一下,一份完整的技术框架梳理报告就出来了。技术沉淀、模块依赖、核心逻辑一目了然。报告直接告诉我,这个项目的核心思想是什么。



playwright 的文档中,测试功能被清晰地列出,条理分明。



比看原版有效率的多。 原Readme文档都没有记录,还要去文档里面翻找。



  • 更重要的是,项目不仅能解释代码,还能自动生成流程图和组件图,帮助用户理解。这些可视化内容让我们可以直观地看到代码库中各部分之间的关系,帮助我们快速理解整个项目的架构。



报告中还清晰展示了项目的核心模块。一步一架构图



一个项目的架构,是一个项目的灵魂


它是所有设计决策的基石。


Zread.ai 直接告诉你:


  • 它的核心组件是什么,如何交互。


  • 它为什么采用多进程架构(为了完全隔离)。


  • 它为什么敢说自己能跨浏览器(因为它有自定义的浏览器补丁和协议转换)。


而比较方便的是,它的每一个结论,都给你标注了“出处”。


它告诉你这个结论是从哪个源文件(比如 browserServerImpl.ts)里提炼出来的。


它让你从一个“使用者”,升到了“理解者”、“贡献者”的维度。



区分入门、进阶、高级


而且根据不同的文档内容,它还区分了入门进阶高级。方便我们明晰难度。



它还能「吃瓜」



你知道,许多人很少关心一个项目是谁做的。能跑就行,公司要求。


但真正的大神级项目,不一样。


它的灵魂,往往就是那么几个创始人的执念。


于是,我看到了第一行字。


「从谷歌到微软:浏览器自动化的演进」



大厂之间的PK,远不止是产品。


是人。


然后,你可以看到创造Playwright的核心团队名单:


Pavel Feldman、Dmitry Gozman、Yury Semikhatsky。


这几个人—— 全都是从谷歌过来的。


不仅如此。


他们,还是当年谷歌王牌自动化工具 Puppeteer的「亲爹」。Puppeteer (谷歌的 浏览器自动化工具,彻底改变了无头Chrome测试)


这份解读里写:Playwright从零开始就为“跨浏览器”设计,而这是Puppeteer“最大的痛点”。



它甚至……给我总结了整个社区对Playwright的评价。


我点了旁边的【大家都在说】。



从Selenium到Playwright:迁移故事


Zread.ai 直接给我拎出了一段评价:


“Selenium依赖于WebDriver API,使其在处理大型测试套件时速度较慢。”


  • 它能告诉你这个项目的创始人有什么背景故事


  • 社区里的人都是怎么评价它的,有什么梗


  • 核心贡献者的图谱是谁


鼠标划过,还能【划线】【写想法】【分享】


【划线】【写想法】【分享】



我继续点了旁边的【热议内容】。


它在分析最新的 commit


在阅读一个项目的 「开发日记」



意思就是,Playwright 团队正在努力提升记录能力。


而我又换了一个项目, Cline。


热点内容直接显示,Cline正在与 Claude Code 进行 集成 。。确实是热点也挺新的。不看它,我还不知道。



而那些绿色字体都可以直接跳转到原项目。挺方便。


继续往下翻,可以看到更多热议的焦点。可以看到项目的趋势和核心关注点。以后推荐项目更省事,当然,也主要是帮助大家更快速、系统的了解项目。构建全局观。




所以,对于上面这些而言,你读懂了一个项目的代码。 更读懂了这个项目背后那群人的『心路历程』。


你知道了它的过去,理解了它的现在,才能看到它的未来。


Zread.ai 把这种藏在无数代码提交记录和零散访谈里的“陈年旧瓜”,直接挖出来,总结好,摆在了我面前。


它让你明白,一个开源项目,从来不只是一堆冰冷的代码。


它背后是人的雄心,是团队的博弈,是技术的演进和迭代


理解了这些,可能才算真正读懂了一个项目吧。


Github趋势功能



图中正在打转的表示还在搜索检索。


它还有一个 「Github趋势」 功能。


意思是… 不仅能快速看懂我想看的任何库。还能每天带我去拆解全世界最火、最前沿的项目


别的工具都在教你怎么“读”代码。 它在教你怎么“追”趋势。


它直接把GitHub上每天最火的项目,用前面那种“仓库指南”的格式给你拆解好。


让你不仅知道“它火了”。 更知道“它为什么火”、“它牛在哪”、“我能从中学到什么”。



便捷访问方式


不用打开它的官网,直接在浏览器地址栏:


github.comZread.ai


github.com 改成 Zread.ai 就行了。



一个代码仓库就变成了AI生成的在线文档。


我们曾以为知识的入口是图书馆的大门,


现在它变成了一个可以被即时改写的网址。


如果你想访问的仓库没有被索引, 留一份邮件地址,等你想要访问的仓库索引完, Zread.ai 会给你发邮件, 喝杯咖啡的功夫就好了。



以前,小白读项目可能难得多


现在 Zread.ai 降低新手门槛:它帮助初学者快速理解复杂项目,缩短学习曲线,鼓励更多人参与开源开发。


还有有许多潜力,比如:


  • 提升协作效率:团队可以共享动态生成的文档,确保所有人保持一致,提高整体效率。


  • 支持教育与面试:学生可以利用 Zread 学习现实世界的项目,而求职者可以快速熟悉潜在雇主的技术栈。


使用AI工具后,我们获得了“只要不超智商上限就能学会”的强大信心。


工具的强大,不在于它为你解决了多少问题,而在于它让你相信,再没有问题能难住你。


过去,我们为代码写注释;


现在,代码通过AI,为我们写自传。


点击下方阅读原文即可直达官网,一键体验。


另外,Zread 打算 26 号在 WAIC 办一个活动,— 源码精酿·上海站 来了 :


我猜你根本没读过代码库 | 下周六上海来验



#github #DeepResearch #zread #编程有Zread就够了


知音难求,自我修炼亦艰,抓住前沿技术的机遇,与我们一起成为创新的超级个体(把握AIGC时代的个人力量)。




文章来自于微信公众号“许泽宇的技术分享”。


作者头像

AI前线

专注人工智能前沿技术报道,深入解析AI发展趋势与应用场景

246篇文章 1.2M阅读 56.3k粉丝

评论 (128)

用户头像

AI爱好者

2小时前

这个更新太令人期待了!视频分析功能将极大扩展AI的应用场景,特别是在教育和内容创作领域。

用户头像

开发者小明

昨天

有没有人测试过新的API响应速度?我们正在开发一个实时视频分析应用,非常关注性能表现。

作者头像

AI前线 作者

12小时前

我们测试的平均响应时间在300ms左右,比上一代快了很多,适合实时应用场景。

用户头像

科技观察家

3天前

GPT-4的视频处理能力已经接近专业级水平,这可能会对内容审核、视频编辑等行业产生颠覆性影响。期待看到更多创新应用!