1.5

Adjusted Signal

1.5

Raw Pattern Score

100%

Time Factor

2026-10-31

Last Push

5.1K

Stars

Python

Language

177.4K

Lines of Code

308

Files

106

Pattern Hits

2026-10-31

Scan Date

0.00

HC Hit Rate

Risk Review · Payload v1

Use each vector to guide manual verification of the underlying findings.

Payload schema: 1.0.0 · Engine: 2.0.0 · Scoring: heuristic-density-v1 · Scan date: 2026-10-31.

Cognitive Ownership Risk 6.9/100 · LOW

Can maintainers explain intent, assumptions, and trade-offs? 93 finding(s).

Hallucinated Dependency & Supply Chain Risk 0.1/100 · LOW

Are imports declared and package/API names verified? 1 finding(s).

Agent Over-Engineering Ratio 0.7/100 · LOW

Are wrappers, guards, and repeated structures necessary? 23 finding(s).

PR Review Velocity Impact 7.1/100 · LOW

Which changes need focused human review? 106 finding(s).

What These Metrics Mean

Adjusted Signal: Legacy pattern score normalized per 1,000 scanned lines and multiplied by the repository-level time factor. It is not an estimate of AI authorship.
Raw Pattern Score: Sum of severity- and context-weighted pattern findings before applying the time factor.
Time Factor: A coarse multiplier based on repository last-push metadata. It does not identify when individual code was written.
Pattern Hits: Count of configured pattern findings. Review each location and surrounding code before acting.
HC Hit Rate: High- and critical-severity findings per scanned file. Severity is a configured detector weight, not proof of a vulnerability or authorship.
Lines / Files: Scan coverage denominators used by the legacy normalized score.

Pattern-Signal History

This chart tracks the legacy adjusted pattern score across scan runs. Changes can reflect source changes, scan coverage, or detector/scoring versions; they do not measure AI adoption or prove that a team refactored code. Compare runs only when their scoring versions are compatible. The dashed line tracks the raw pattern-hit count.

Severity Breakdown

Groups findings by configured severity weight. Severity is not a confidence estimate, security rating, or proof that a package is missing. Verify imports against the project's manifests and inspect each finding in its local design context.

CRITICAL 0HIGH 1MEDIUM 75LOW 30

Directory Score Breakdown

This horizontal bar chart shows where configured pattern scores accumulate across directories. Treat the bars as locations to inspect, not as evidence of authorship or code quality. Use the file-level findings to decide whether a directory needs a focused ownership, dependency, complexity, or review check.

Pattern Findings

The scanner identified 106 distinct pattern matches across 5 syntactic categories. Each entry below represents a discrete location in the source code where the engine recorded a detector match to inspect in context. Expand any category row to inspect the individual file paths, line numbers, code snippets, and the lexical context (CODE, COMMENT, or STRING) in which each match was detected.

Reading the findings table: The Severity column indicates the configured finding weight (CRITICAL / HIGH / MEDIUM / LOW). The Context column identifies whether the match occurred inside executable code, an inline comment, or a string literal — legacy comment-context matches receive a ×1.5 score weight. The ⚡ bolt icon marks clustered matches: three or more patterns within a 10-line window, each receiving an additional ×1.5 density multiplier under the legacy scoring model.

Modern AI Meta-Vocabulary72 hits · 232 pts

Severity	File	Line	Snippet	Context
MEDIUM	AI Agent基础/06_Agent安全评测与AgentOps高频考点.md	953	- OpenAI, [Agents SDK Guardrails](https://openai.github.io/openai-agents-python/guardrails/).	CODE
MEDIUM⚡	大模型基础/06_模型评估：多维评估大语言模型.md	647	## 45. 如何评估 RAG 场景下的大语言模型系统？	COMMENT
MEDIUM⚡	大模型基础/06_模型评估：多维评估大语言模型.md	650	### 面试问题：RAG 系统需要评估哪些部分？为什么不能只看最终答案？	COMMENT
MEDIUM⚡	大模型基础/06_模型评估：多维评估大语言模型.md	654	#### 1. RAG 评估为什么要拆层？	COMMENT
MEDIUM	大模型基础/06_模型评估：多维评估大语言模型.md	665	#### 2. RAG 常见失败模式有哪些？	COMMENT
MEDIUM	大模型基础/06_模型评估：多维评估大语言模型.md	677	### 面试问题：RAG 检索指标、排序指标和上下文指标如何区分？	COMMENT
MEDIUM	大模型基础/06_模型评估：多维评估大语言模型.md	710	### 面试问题：如何定位 RAG 系统问题发生在解析、分块、检索、重排序还是生成阶段？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	537	## 34. 如何理解检索增强（RAG）的核心思想与系统架构？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	540	### 面试问题：什么是 RAG？为什么要把检索和生成结合起来？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	544	#### 1. 什么是 RAG？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	559	### 面试问题：RAG 解决了大模型哪些固有缺陷？为什么仍然不能完全消除幻觉？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	563	#### 1. RAG 能缓解哪些问题？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	570	#### 2. RAG 为什么不能完全消除幻觉？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	582	#### 3. 如何让 RAG 更可靠？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	587	### 面试问题：一个典型 RAG 系统由哪些核心组件构成？各组件分别负责什么？	COMMENT
MEDIUM⚡	大模型基础/05_提示工程：应用大模型的高级方法.md	591	#### 1. RAG 系统有哪些核心组件？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	609	### 面试问题：RAG 的离线索引阶段和在线查询阶段分别做什么？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	628	### 面试问题：RAG 和微调有什么区别？企业知识库问答为什么通常优先考虑 RAG？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	632	#### 1. RAG 和微调的主要区别是什么？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	646	#### 2. 企业知识库问答为什么通常优先考虑 RAG？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	650	#### 3. RAG 和微调可以结合吗？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	661	### 面试问题：多轮对话中的 RAG 为什么更复杂？如何保持上下文连贯性？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	665	#### 1. 多轮 RAG 为什么比单轮问答复杂？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	685	#### 4. 多轮 RAG 如何处理上下文窗口限制？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	697	## 35. 如何处理 RAG 文档、分块、嵌入和向量库？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	700	### 面试问题：RAG 文档处理流程包括哪些步骤？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	713	### 面试问题：RAG 项目中文本分块有哪些策略？不同策略适合什么场景？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	783	### 面试问题：向量数据库在 RAG 中扮演什么角色？如何选择向量数据库？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	819	## 36. 如何实现和优化 RAG 检索链路？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	928	### 面试问题：如何降低 RAG 的幻觉？如何处理知识库中没有答案的情况？	COMMENT
MEDIUM	大模型基础/05_提示工程：应用大模型的高级方法.md	932	#### 1. 为什么 RAG 仍然会幻觉？	COMMENT
MEDIUM	AI多模态基础（精华版）/6_AI多模态下游应用高频考点.md	88	#### <a id="q5612"></a>5.6.1.2 面试问题：提示工程、多模态 RAG、微调与蒸馏四条落地路径如何选型？	COMMENT
MEDIUM	AI多模态基础（精华版）/6_AI多模态下游应用高频考点.md	259	#### <a id="q5632"></a>5.6.3.2 面试问题：Kimi「长 PDF 解析问答」应该用长上下文直读还是多模态 RAG？	COMMENT
MEDIUM	数学&物理本质原理基础/03_大模型与多模态最新数学专题.md	27	## 第四章 RAG、向量检索与排序融合数学专题	COMMENT
MEDIUM	大厂高频面试题（实时更新）/恒生电子高频面试题.md	255	### 12. RAG、传统检索+生成、微调三种方案的本质区别是什么？分别在什么场景下选用。	COMMENT
MEDIUM	大厂高频面试题（实时更新）/月之暗面高频面试题.md	241	##### 12. 你的 RAG 是用什么技术实现的？	COMMENT
MEDIUM	大厂高频面试题（实时更新）/京东高频面试题.md	1412	### RAG 与库存一致性：假如商品知识库是实时更新的，那么要怎样保证 RAG 的召回结果和库存信息保持一致呢？	COMMENT
MEDIUM	大厂高频面试题（实时更新）/京东高频面试题.md	1423	### RAG 长尾商品问题：在搜索场景中，RAG 的向量检索容易受到长尾商品的影响，	COMMENT
MEDIUM	大厂高频面试题（实时更新）/字节跳动高频面试题.md	377	##### 为什么在 RAG 流程中引入父子索引（Parent-Document Retrieval）？	COMMENT
MEDIUM	大厂高频面试题（实时更新）/拼多多高频面试题.md	159	#### 一面：项目深挖、RAG 与工程基础	COMMENT
MEDIUM	大厂高频面试题（实时更新）/拼多多高频面试题.md	267	##### 8. 介绍一下项目中的 RAG 流程，离线建库和在线检索分别做了什么？	COMMENT
MEDIUM	大厂高频面试题（实时更新）/腾讯高频面试题.md	255	##### 11.聊了一下 RAG	COMMENT
MEDIUM	大厂高频面试题（实时更新）/腾讯高频面试题.md	794	##### Agent+RAG 项目背景、技术方案（文档解析、分块、向量数据库选型与存储、检索流程）	COMMENT
MEDIUM	大厂高频面试题（实时更新）/腾讯高频面试题.md	803	##### RAG 系统上线性能表现，解决哪些业务问题，如何评估效果	COMMENT
MEDIUM	大厂高频面试题（实时更新）/腾讯高频面试题.md	1613	##### 聊了一下 RAG	COMMENT
MEDIUM	大厂高频面试题（实时更新）/腾讯高频面试题.md	1628	##### agentic rag 和传统 rag 的区别？	COMMENT
MEDIUM	大厂高频面试题（实时更新）/阿里巴巴高频面试题.md	2435	### 4. RAG 的运行过程；检索有哪些类型	COMMENT
MEDIUM	大厂高频面试题（实时更新）/阿里巴巴高频面试题.md	2450	### 5. 如何优化 RAG 链路的性能	COMMENT
MEDIUM	大厂高频面试题（实时更新）/DeepSeek高频面试题.md	430	##### 2. 选一个你做得最满意的 Agent 项目，完整讲一遍。——从业务背景到技术方案到落地效果。不要报菜名（说用了 RAG、用了 Multi-Agent），我要听设计决策背后的思考。	COMMENT
MEDIUM	经典模型/OCR高频知识点.md	24	- [22.OCR + RAG 如何构建文档问答系统？](#22.OCR--RAG-如何构建文档问答系统)	CODE
MEDIUM	具身智能基础/02_具身智能核心架构与系统范式.md	21	[1.2.7 记忆增强与 RAG 架构：长期经验、场景知识与个性化适应](#1.2.7_记忆增强与-RAG-架构：长期经验场景知识与个性化适应)	CODE
MEDIUM⚡	热门AI学习核心课程与教程/02_传统CV转大模型学习路线.md	93	## 第 4 阶段：第 6-7 周，在 LLM、RAG、Agent 和多模态中选择落点	COMMENT
MEDIUM⚡	热门AI学习核心课程与教程/02_传统CV转大模型学习路线.md	95	### 方向 A：LLM + RAG，适合快速形成应用闭环	COMMENT
MEDIUM⚡	热门AI学习核心课程与教程/02_传统CV转大模型学习路线.md	97	- [RAG 的核心思想与架构](<../大模型基础（精华版）/05_提示工程：应用大模型的高级方法.md#38.如何理解 RAG 的核心思想与系统架构？>)	CODE
MEDIUM⚡	热门AI学习核心课程与教程/02_传统CV转大模型学习路线.md	98	- [RAG 的离线索引与在线查询阶段](<../大模型基础（精华版）/05_提示工程：应用大模型的高级方法.md#面试问题：RAG 的离线索引阶段和在线查询阶段分别做什么？>)	CODE
MEDIUM⚡	热门AI学习核心课程与教程/02_传统CV转大模型学习路线.md	99	- [混合检索、MMR 与重排序](<../大模型基础（精华版）/05_提示工程：应用大模型的高级方法.md#40.如何实现和优化 RAG 检索链路？>)	CODE
MEDIUM⚡	热门AI学习核心课程与教程/03_后端转AI应用开发学习路线.md	64	## 第 3 阶段：第 3-4 周，构建 RAG 的数据与检索闭环	COMMENT
MEDIUM⚡	热门AI学习核心课程与教程/03_后端转AI应用开发学习路线.md	72	- [RAG 为什么要把检索与生成结合](<../大模型基础（精华版）/05_提示工程：应用大模型的高级方法.md#面试问题：什么是 RAG？为什么要把检索和生成结合起来？>)	CODE
MEDIUM⚡	热门AI学习核心课程与教程/03_后端转AI应用开发学习路线.md	73	- [RAG 的典型系统组件](<../大模型基础（精华版）/05_提示工程：应用大模型的高级方法.md#面试问题：一个典型 RAG 系统由哪些核心组件构成？各组件分别负责什么？>)	CODE
MEDIUM⚡	热门AI学习核心课程与教程/03_后端转AI应用开发学习路线.md	74	- [离线索引与在线查询分别做什么](<../大模型基础（精华版）/05_提示工程：应用大模型的高级方法.md#面试问题：RAG 的离线索引阶段和在线查询阶段分别做什么？>)	CODE
12 more matches not shown…

Excessive Try-Catch Wrapping12 hits · 15 pts

Severity	File	Line	Snippet	Context
LOW	大厂高频面试题（实时更新）/米哈游高频面试题.md	187	except Exception:	CODE
LOW	大厂高频面试题（实时更新）/恒生电子高频面试题.md	112	except Exception:	CODE
LOW	大厂高频面试题（实时更新）/DeepSeek高频面试题.md	953	except Exception:	CODE
LOW	计算机基础/计算机工程基础高频知识点.md	1790	except Exception as e:	CODE
MEDIUM	计算机基础/计算机工程基础高频知识点.md	1786	def call_service_a():	CODE
MEDIUM	计算机基础/计算机网络高频知识点.md	269	print(f'Error downloading image: {e}')	CODE
MEDIUM	计算机基础/计算机网络高频知识点.md	293	print(f'Error downloading image: {e}')	CODE
LOW	编程基础：Python/Python进阶知识高频考点.md	288	except Exception as e:	CODE
LOW	编程基础：Python/Python进阶知识高频考点.md	2090	except Exception:	CODE
LOW	编程基础：Python/Python进阶知识高频考点.md	2226	except Exception:	CODE
LOW	编程基础：Python/Python进阶知识高频考点.md	2769	except Exception as e:	CODE
LOW	编程基础：Python/Python基础知识高频考点.md	391	except Exception:	CODE

Hyper-Verbose Identifiers11 hits · 11 pts

Severity	File	Line	Snippet	Context
LOW	机器学习基础/经典机器学习算法知识点.md	1216	def calculate_color_difference(img1_path, img2_path):	CODE
LOW	大厂高频面试题（实时更新）/百度高频面试题.md	639	def find_median_sorted_arrays(a: List[int], b: List[int]) -> float:	CODE
LOW	大厂高频面试题（实时更新）/拼多多高频面试题.md	1085	def min_reversals_for_direction(a: List[int], direction: int) -> Optional[int]:	CODE
LOW	大厂高频面试题（实时更新）/拼多多高频面试题.md	1333	def max_weight_perfect_matching(battle: List[List[int]]) -> Tuple[int, List[int]]:	CODE
LOW	AI多模态基础/Qwen-VL系列模型核心考点.md	579	def fast_pos_embed_interpolate(self, grid_thw):	CODE
LOW	AI多模态基础/Qwen-VL系列模型核心考点.md	1030	def apply_rotary_pos_emb_vision(	CODE
LOW	AI多模态基础/Qwen-VL系列模型核心考点.md	1386	def _expand_inputs_for_generation(	CODE
LOW	AI多模态基础/Qwen-VL系列模型核心考点.md	1403	def _expand_dict_for_generation_visual(dict_to_expand):	CODE
LOW	AI多模态基础/Qwen-VL系列模型核心考点.md	1412	def _repeat_interleave_samples(x, lengths, repeat_times):	CODE
LOW	AI多模态基础/Qwen-VL系列模型核心考点.md	1459	def _expand_dict_for_generation(dict_to_expand):	CODE
LOW	数据结构&算法基础/06_算法思想与AI应用高频考点.md	476	def length_of_longest_substring(s):	CODE

Over-Commented Block10 hits · 10 pts

Severity	File	Line	Snippet	Context
LOW	深度学习基础/04_激活函数.md	1	# 目录	COMMENT
LOW	深度学习基础/06_优化方法.md	1	# 目录	COMMENT
LOW	深度学习基础/05_注意力机制.md	1	# 目录	COMMENT
LOW	深度学习基础/10_实战项目总结.md	1	# 目录	COMMENT
LOW	深度学习基础/07_框架工具.md	1	# 目录	COMMENT
LOW	深度学习基础/07_框架工具.md	881	super().__init__()	COMMENT
LOW	深度学习基础/09_训练与评估.md	1	# 目录	COMMENT
LOW	深度学习基础/09_训练与评估.md	21	## 三、检测 / 分割任务评估指标（mAP、IoU 等）	COMMENT
LOW	深度学习基础/02_基础概念.md	1		COMMENT
LOW	深度学习基础/03_网络层.md	1	# 目录	COMMENT

Magic Placeholder Names1 hit · 5 pts

Severity	File	Line	Snippet	Context
HIGH	计算机基础/计算机网络高频知识点.md	552	"Authorization": "Bearer YOUR_API_KEY",	CODE

WeThinkIn/AIGC-Interview-Book

Open-Source Code Quality, Security and Technical Debt Review