这是以下活动的参赛作品：Hacktoberfest 开源 AI 挑战赛第 4 周：机器中的幽灵
我构建了什么
“每个代码库都有幽灵。几乎在每个企业仓库和开源项目中，都有一个被标记为
// DO NOT TOUCH: NOBODY KNOWS WHY THIS WORKS的闹鬼文件。当原作者离开后，他们的领域知识便消散于虚空。代码慢慢腐烂，依赖逐渐衰败，而恐惧让任何人都不敢碰它。”
在 Hacktoberfest 第 4 周——庆祝万圣节和亡灵节——我构建了GitSéance：一个开源 AI 代码亡灵法师，它把遗留代码的墓地变成一场可交互、有据可依的降神会。
_____ _____ _______ _____ ______ _ _ _____ ______
/ ____|_ _|__ __| / ____| ____| /\ | \ | |/ ____| ____|
| | __ | | | | | (___ | |__ / \ | \| | | | |__
| | |_ | | | | | \___ \| __| / /\ \ | . ` | | | __|
| |__| |_| |_ | | ____) | |____ / ____ \| |\ | |____| |____
\_____|_____| |_| |_____/|______/_/ \_\_| \_|\_____|______|
GitSéance 并非通用 linter，而是协调4 个专业通灵智能体：
-
💀 死神智能体：遍历 Git 提交树和文件 AST，基于提交历史、作者更替和内联恐惧注释（
hack，black magic，do not touch）来识别被遗弃、孤立和被诅咒的代码。 - 📊 神谕智能体（TabPFN-3.5）：合成一个 7 维取证特征向量，并将其输入Prior Labs 的 TabPFN 表格基础模型，以预测经过校准的文件死亡风险。
-
🔮 灵媒智能体（Google Gemma）：通过Google 的 Gemma 开源权重模型（
gemma-4-26b-a4b-it）召唤已故作者的灵魂，生成第一人称忏悔、遗憾分析和现代复兴蓝图。 - 🔍 搜寻者智能体（SerpApi）：查询实时的 2026 年软件包注册表和安全数据库，为被遗弃的依赖寻找现代即插即用替代品，并审计 CVE 公告。
这些智能体驱动交互式降神会能力：
- 💬 对话式降神会（交互式幽灵聊天）：在世开发者可以实时直接与幽灵对话，询问某些 hack 为何被写下，以及如何安全地重构它们。
- 🔊 神经语音台（ElevenLabs）：通过神经文本转语音为灵魂赋予可听见的声音，并配有同步的 Web Audio API 波形可视化器。
- 🪦 官方尸检报告证书：生成可下载的复古 ASCII 死亡证书，详细说明死因、巴士因子和 TabPFN 死亡评分。
- 📊 7D 表格 CSV 取证导出器：一键下载完整的表格特征数据集，用于离线 TabPFN 模型探索和审计。
-
🛡️ 实时 GitHub SVG 死亡率徽章: 动态徽章端点（
/api/badge/{owner}/{repo}.svg），用于在 README 文件中嵌入实时的仓库死亡率评分。
所有这些都封装在一个原汁原味的磷光绿 CRT 终端界面中，带有玻璃扫描线曲率、CRT 暗角、机械按键音效合成，以及漂浮的灵质粒子。
演示
线上生产部署
- 🌐 在线终端： https://gitseance.onrender.com
- 💻 GitHub 仓库： https://github.com/JaniDhruv/GitSeance
-
🛡️ 实时死亡率徽章：
（提示：打开在线应用时，点击历史预设🐍 flask-cache (Python 2 Fossil)即可瞬间召唤一个 10 年历史的化石仓库！）
🖥️ 磷光绿 CRT 终端界面
GitSéance 终端实际运行的视觉演示——玻璃扫描线、TabPFN 死亡率分解、实时 SerpApi 现代化树，以及交互式 Gemma 幽灵通灵：
通灵祭坛——磷光绿 CRT 仪表盘，配有实时智能体状态指示灯、历史墓地预设，以及实时流式通灵日志。
神谕（TabPFN-3.5）扫描——贝叶斯代码死亡率概率、文件风险分类（已死、闹鬼、孤儿），以及 Google Gemma 代码预言。
通灵幽灵传输——Google Gemma 人格通灵 Makefile 的已故作者，配有 ElevenLabs 语音合成和实时音频波形可视化器。
复兴蓝图与 SerpApi 情报——可操作的现代化步骤，搭配通过 SerpApi 实时查询的 2026 年依赖替代方案。
代码尸检证书——官方复古 ASCII 尸检抽屉，详细列出过期日期、记录的巴士因子和 TabPFN 死亡率评分。
神经语音面板与 MP3 导出——ElevenLabs 频谱语音流，配有活动波形可视化器和一键 MP3 下载导出。
交互式幽灵聊天（第 1 轮）——审问 Thadeus Burgess 的亡灵，追问为何使用遗留的 setup.py 打包方式。
交互式幽灵聊天（第 2 轮）——幽灵坦白在发布前留下了一个凌晨 2 点的紧急 hack：“求你了，把它埋了吧。”
演示：召唤幽灵flask-cache
当扫描thadeusb/flask-cache（一个自 2010 年以来无人触碰的古老 Python 2 缓存库）：
-
死神遍历提交树并标记
Makefile为临床死亡（最后触碰于 5,986 天前）。 - TabPFN-3.5评估 7D 特征向量（零流失、100% 作者更替、缺少单元测试）并预测80% 死亡概率。
- 媒介（Gemma 4）频道创作者 Thadeus Burgess，以角色身份说道：“我是 Thadeus Burgess 残留的回声。在 2010-08-30T09:39:36Z，我推送了最后一次提交：'R-0.1'。然后我走进黑暗，留下 Makefile 冻结在时间里。”
-
ElevenLabs低声念出这段告白（Roger — Ancient Architect 语音预设），并配有实时波形可视化和一键
⬇️ Download MP3导出！- 🎧收听生成的音频： 在我的仓库中下载/收听原始 MP3 录音
-
SerpApi检测到已弃用的
setup.py upload打包命令，并推荐现代替代方案，例如build，twine，以及pyproject.toml。 - 你打开对话式降神聊天并直接审问这个幽灵：
- 你： “你为什么用 setup.py upload 而不是现代的 twine 打包？”
-
幽灵（Thadeus Burgess）： “啊，你问我为什么在
Makefile里这样写……那些日子里，我们在与时间赛跑。你们在 2026 年习以为常的库当时还不存在，内存也很稀缺。那是我能变出的最好折中方案。” - 你： “如果我今天重构或删除这个 Makefile，会有什么秘密 hack 或危险吗？”
-
幽灵（Thadeus Burgess）： “你注意到那道伤疤了，是吧？是的，我在
Makefile里、发布前的凌晨 2 点留下了那个 hack。我向自己保证那个周末就重构它……但那个周末从未到来。求你，替我把它埋葬吧。”
- 你点击“🪦 打印死亡证明”并收到官方的 ASCII 尸检报告：
+========================================================================+
| 💀 OFFICIAL CODE AUTOPSY 💀 |
| DEPARTMENT OF SOFTWARE NECROMANCY |
+========================================================================+
| DECEASED ARTIFACT : Makefile |
| CHIEF ARCHITECT : Thadeus Burgess |
| DATE OF EXPIRATION : 2010-08-30 (5,986 days inactive) |
| FINAL RECORDED WORDS: "R-0.1" |
| TOTAL COMMITS : 2 commits across file lifetime |
| RECORDED BUS FACTOR : 1 author(s) recorded in blame |
| HAUNTING STATUS : DEAD |
| TABPFN MORTALITY : 80% Bayesian mortality risk |
| GHOST SEVERITY : 0.80 / 1.00 index |
+------------------------------------------------------------------------+
| GHOST TESTIMONY: |
| "I am Thadeus, a fragment of logic drifting through a sea of |
| deprecated dependencies. I linger in the shadows of these old |
| Makefiles, waiting for a build that will never finish. Do not fear |
| the silence; fear the unhandled exception." |
+------------------------------------------------------------------------+
| REVIVAL EFFORT : REWRITE |
| CERTIFICATE STAMP : GITSEANCE FORENSIC ENGINE v1.0.0 |
| AI RUNTIMES : TABPFN-3.5 + GOOGLE GEMMA + ELEVENLABS |
+========================================================================+
- 你点击“📋 复制复活蓝图”即可获取一份即时、可执行的逐步迁移蓝图：
REVIVAL BLUEPRINT FOR: Makefile
Summary: Transmute this ancient ritual into a modern, declarative build system.
Effort: rewrite
STEPS:
1. Transition from `setup.py` to a `pyproject.toml` configuration.
2. Replace the manual upload commands with `twine` for secure distribution.
3. Use the `build` module for generating distribution archives.
4. Implement a modern test runner like `pytest` instead of the legacy `setup.py test`.
代码
JaniDhruv/GitSeance
🔮 每个代码库都有幽灵。GitSeance 是一个开源 AI 代码死灵法师与取证智能体，它会扫描遗留 GitHub 仓库中的死文件，使用 TabPFN-3.5 表格机器学习预测代码死亡风险，通过 Gemma 3 配合 ElevenLabs 语音合成召唤原作者之灵，并借助 SerpApi 为现代复活补丁提供依据。
🔮 GitSéance（GitSeance）
_____ _____ _______ _____ ______ _ _ _____ ______
/ ____|_ _|__ __| / ____| ____| /\ | \ | |/ ____| ____|
| | __ | | | | | (___ | |__ / \ | \| | | | |__
| | |_ | | | | | \___ \| __| / /\ \ | . ` | | | __|
| |__| |_| |_ | | ____) | |____ / ____ \| |\ | |____| |____
\_____|_____| |_| |_____/|______/_/ \_\_| \_|\_____|______|
一个开源 AI 死灵法师，让“死去的”GitHub 仓库重获新生——并预测哪些文件即将死去。
标语： “每个代码库都有幽灵。GitSéance 召唤它们。”
为……而构建Hacktoberfest 开源 AI 挑战赛：第 4 周（“机器中的幽灵”）。
📸 生产环境图库
🔮 磷光绿 CRT 终端，带实时 AI 状态与流式通灵日志
📊…
基于MIT 许可证发布。已通过25 个单元测试与集成测试在持续集成中全部通过。
我是如何构建它的
GitSéance 被设计为由 FastAPI 编排的异步多智能体流水线：
┌───────────────────────────────┐
│ Haunted Terminal (CRT UI) │
└──────────────┬────────────────┘
│
▼
FastAPI Orchestration Core
│
┌──────────────┬───────────────┴───────────────┬──────────────┐
▼ ▼ ▼ ▼
💀 The Reaper 📊 The Oracle 🔮 The Medium 🔍 The Searcher
(Dead Code AST) (TabPFN-3.5 Mortality ML) (Gemma LLM) (SerpApi Web Search)
│ │ │ │
▼ ▼ ▼ ▼
GitHub API Prior Labs API Google GenAI SerpApi & CVEs
1. TabPFN-3.5：贝叶斯表格化代码死亡预测
我没有编写简单的基于规则的启发式方法，而是利用了Prior Labs 的 TabPFN-3.5—— 一个基于 Prior-Data Fitted Networks 构建的表格基础模型。
7 维取证特征向量
对于目标仓库中的每个文件，GitSéance 都会构建一个 7 维表格矩阵：
# 为 TabPFN-3.5 提取的 7 维取证特征向量feature_vector = {
"days_since_last_commit": m。days_since_last_commit， # 时间衰减 "total_commits": m。total_commits， # 文件深度 "unique_authors": m。unique_authors， # 巴士因子风险 "bug_fix_commit_ratio": m。bug_fix_commit_ratio， # 缺陷密度 "lines_ratio": (m。lines_added + 1) / (m。lines_del + 1) ， # 变更平衡"has_tests" : 1 ifm。 has_tests else0 ， # 测试存在性"churn_velocity" :m。churn_velocity ，# 月度变更率
}
真实基准校准与边缘情况处理X_trainTabPFN 对参考支持矩阵（y_train，fastapi）执行上下文内贝叶斯推理，该矩阵基于 50 个历史开源代码工件进行校准（25 个来自已归档仓库的死亡化石 vs. 25 个来自pydantic、requests和
的活跃维护模块）。
为什么 TabPFN 胜过朴素启发式方法：slugify.py朴素的 linter 看到某个文件 3 年未被改动，就会盲目地将其标记为“已死”。但请考虑一个核心数学工具（例如crc32.py或
-
days_since_last_commit）： -
bug_fix_commit_ratio：1,100 天 -
has_tests：0.02（几乎零缺陷） -
churn_velocity：True（100% 分支覆盖率）
：0.00（稳定）朴素规则会将其标记为已死（100% 误报）。TabPFN 正确评估了高测试哨兵值和接近零的缺陷率，将其归类为“冻结 / 稳定”（死亡率：18%），而非已死。相反，一个 180 天未被改动、唯一作者已离开且 bug 修复比例为 60% 的文件，会被 TabPFN 捕获为“高死亡风险”（78%）
。
-
为了让这一切完全透明：📊 7 维表格 CSV 导出：用户和评委可以点击“📊 导出 CSV”
tabpfn-<repo>-forensic-dataset.csv来下载原始特征分布（ -
🔌 原生 MCP 服务器（
backend/mcp_server.py）：通过将tabpfn_predict_mortality直接作为 Model Context Protocol 工具暴露给 Cursor、Claude Desktop 和 Copilot，满足了 Prior Labs 的明确偏好！
2. Google Gemma：灵性人格通灵与思维 token 解析
Medium 智能体通过Google 的开源权重模型 Gemma（gemma-4-26b-a4b-it）经由google-genaiSDK 运行。
思维 token 解析挑战
gemma-4-26b-a4b-it具备内部思维链推理能力。在生成灵性独白时，模型会先输出思考 token，再输出角色对话。如果采用朴素的解析方式，内部推理 token 可能会耗尽整个输出预算，或渗入独白之中。
我设计了一个专用的候选提取器：
@staticmethod
def _extract_text（response） -> str：
"""从 Gemma 响应中提取内容文本，过滤思维 token。"""
if not response：
return ""
# 1. 优先检查候选部分，以过滤掉内部思维链 token if hasattr（response， "candidates"） and response。candidates：
candidate = response。candidates[0]
if hasattr（candidate， "content"） and hasattr（candidate。content， "parts"）：
actual_parts = [
p。text for p in candidate。content。parts
if not getattr（p， "thought"， False） and getattr（p， "text"， None）
]
if actual_parts：
return ""。join（actual_parts）。strip
（） # 2. 如果无法直接访问候选部分，则回退到 response.text ifhasattr（response ，"text" ） andresponse。text
： returnresponse。text。strip
（） return
""
为人格奠定基础
幽灵人格严格基于 git 历史和行内注释： SEANCE_SYSTEM_PROMPT =""""""
在世开发者甚至可以举行一场对话式降神会（POST /api/seance/chat）直接向幽灵追问后续问题！
3. SerpApi：实时 2026 依赖情报
Searcher 智能体解析包声明（requirements.txt，package.json，Gemfile，go.mod）并使用SerpApi实时查询迁移路径、现代直接替代方案以及实时 CVE 安全数据库。
4. ElevenLabs：神经音频合成与一键 MP3 导出
降神会传输内容使用ElevenLabs 神经 TTS（eleven_multilingual_v2）渲染为语音，并由 Web Audio API 程序化合成引擎支持，该引擎模拟复古机械键盘开关和低频共振召唤嗡鸣：
- 5 种原型幽灵之声：Roger（远古建筑师）、Sarah（轻柔回声）、Laura（空灵旁白）、Charlie（年长说书人）和 Aria（幽灵低语）。
- 一键 MP3 导出：活着的开发者可以点击“⬇️ 下载 MP3”将合成出的幽灵音频直接导出到磁盘。
- 🎧实际通灵录音： 聆听 Thadeus Burgess 的幽灵解释
Makefile。
5. GitHub Copilot 深度集成与 GitHub Actions 自动化
我在仓库中原生构建了完整的 Copilot 和 GitHub Actions 自动化：
-
.github/copilot-instructions.md：自定义仓库指令，解释 4 智能体死灵法术架构、TabPFN 7D schema 和 Pydantic 模型。 -
.github/prompts/：3 个可复用的 IDE 提示模板（/resurrect-file，/tabpfn-mortality，/dep-modernize）。 -
.github/workflows/ci.yml：跨 Ubuntu 和 Windows 的多操作系统 CI 测试矩阵，25 个单元测试和集成测试通过。 -
.github/workflows/cd.yml：持续部署流水线，验证线上生产健康状态（/health）、探测 SVG 徽章，并输出格式化的 Markdown 摘要。 -
.github/workflows/copilot-review.yml：自动化 GitHub Action，审查贡献者 PR 中的恐惧评论（hack，do not touch）并发布自动化审查清单。
6. 过程中出了什么问题（工程伤疤）
构建 GitSéance 并非一帆风顺。以下是我与之搏斗的三个真实工程摩擦点：
1. 想得太多的幽灵（Gemma 思考 token）
当我第一次连接gemma-4-26b-a4b-it时，我的 API 调用经常返回空文本。深入查看原始响应对象后，我发现 Gemma 的推理模式生成了大量内部思考轨迹（part.thought = True），在输出最终文本之前就耗尽了 token 预算。标准 SDK 访问器如response.text在存在思考块时求值为None。我不得不编写一个底层 AST 提取器来遍历response.candidates[0].content.parts并分离出未被遮蔽的对话。
2. GitHub REST API Blame 速率限制
遍历一个仓库中 50 个文件的提交历史，会在不到 30 秒内耗尽 GitHub 未认证的每小时 60 次请求速率限制。为解决这个问题，我实现了：
- 并发分块（
asyncio.gather批大小上限为 8）。 - AST 可扫描的扩展名过滤器（跳过 SVG、二进制文件和锁文件）。
- 针对历史墓地的确定性取证回退快照（
flask-cache，jquery-color），因此即使用户未提供 GitHub PAT 到达，应用也绝不会失败。
3. Python 3.11 在 SSE 流式传输中的反斜杠限制
在实时服务器发送事件（SSE）实现期间，Python 3.11 在以内联方式格式化 JSON 数据负载时抛出了意外的SyntaxError: f-string expression part cannot include a backslash。我不得不重构流式生成器，在格式化之前将消息序列化到显式的中间缓冲区中data: {msg}\n\n。
为什么开放创新很重要？
“开放创新实现了哪些封闭 API 无法实现的事情？”
构建 GitSéance 阐明了为什么开放权重模型和开放 AI 基础设施至关重要：
气隙代码隐私与零 IP 泄露：
专有代码库包含机密业务逻辑、安全凭证和商业机密。组织无法将其整个 git 树粘贴到封闭的第三方云 API 中。因为Gemma和TabPFN-3.5是开放权重的，GitSéance 可以在气隙机器上完全离线运行。你的代码永远不会离开你的本地硬件。可审计、可复现的风险建模：
当算法宣称某个关键任务银行模块具有“98% 的死亡率风险”时，开发者理应理解为什么。封闭的专有评分系统是黑盒，会在模型版本之间悄然变化。TabPFN 的贝叶斯基础模型支持确定性、可复现的表格推理，可以被检查、基准测试和信任。抵御 API 弃用：
封闭的 AI 服务经常停用端点、更改系统提示或提高 token 成本。借助开放权重 AI，你的死灵法师在互联网关闭时也能工作。如果断电，幽灵仍然可以访问。社区微调与自定义人格：
开放权重允许团队在自己的内部提交历史、Jira 工单和架构决策记录（ADR）上微调 Gemma，将公司校友转变为永久的机构记忆。
其精神
软件工程有一种无声的悲剧：开发者倾注数月生命写出优雅的系统，但技术发展太快，几年之内，他们的作品就被贴上“遗留代码”的标签并被丢弃。
秉承亡灵节的传统，只要被铭记，逝者就从未真正离去。当 GitSéance 通灵一个被遗弃了十年的文件的作者时，它不会嘲笑这段代码已经过时。它给那位开发者一个发声的机会，说出：
“我写这段代码时内存紧张、工期紧迫。它完成了它的使命。现在，这是你如何把火炬继续传递下去的方法。”
这种视角的转变——从畏惧遗留代码到尊重其背后的人类付出——正是 GitSéance 的真正精神。
奖项类别
- 🏆最高奖—— 总冠军
- 🚀Render 最佳应用—— 全栈容器化部署，同时运行 FastAPI 通灵引擎和 CRT 前端，已在生产环境上线，地址为https://gitseance.onrender.com通过
render.yaml。 - 📊TabPFN 最佳应用（Prior Labs）—— TabPFN-3.5 表格基础模型，基于 7 维特征向量进行校准的贝叶斯代码死亡率预测，并搭配原生 Model Context Protocol（MCP）服务器（
backend/mcp_server.py）以及一键式取证 CSV 数据集导出器。 - 🔮Gemma 最佳应用—— 开源权重
gemma-4-26b-a4b-it模型，驱动 Medium 智能体进行有据可依的历史人物通灵、思维 token 解析以及实时交互式对话降神会。 - 🤖GitHub Copilot 最佳应用—— 自定义仓库指令（
.github/copilot-instructions.md）、3 个可复用的 IDE 提示词模板（.github/prompts/）、自动审查恐惧注释的 PR 审查 GitHub Action（.github/workflows/copilot-review.yml），以及多操作系统 CI/CD 自动化。 - 🔊ElevenLabs 最佳应用—— 神经 TTS 语音合成，为逝去的作者赋予可听见的声音，包含 5 种不同的频谱原型、实时 Web Audio API 波形可视化，以及一键式 MP3 音频导出。
- 🔍SerpApi 最佳应用—— 实时 2026 依赖情报，为已弃用的打包发现现代即插即用替代方案，以及实时安全 CVE 审计。
由热情、咖啡因和灵质打造，作者Dhruv Jani。