DevInsight - Engineering Intelligence Platform

DevInsight es una plataforma SaaS orientada a inteligencia de ingeniería que analiza repositorios de GitHub, ejecuta análisis estático con AST y genera insights accionables.

Estado del proyecto

Implementado en esta iteración:

• Backend con DDD + Clean Architecture para el bounded context EngineeringIntelligence.
• Integración OAuth de GitHub en backend (inicio, callback y listado de repositorios).
• Clonado de repositorios con soporte de sesión GitHub (repos públicos y privados).
• Analizador AST con Roslyn para reglas iniciales de C#.
• AI Engine en FastAPI con endpoint de insights.
• Frontend React con flujo funcional:
  • Solicitar análisis de repositorio.
  • Ver último análisis por repositoryId.
  • Renderizar issues e insights reales.

Pendiente en próximas iteraciones:

• Integración OAuth completa en frontend (login/callback/session lifecycle).
• Persistencia EF Core en lugar de almacenamiento en memoria.
• Reglas avanzadas de arquitectura, seguridad y métricas evolutivas.
• Soporte multi-lenguaje AST (actualmente solo C#).

Estructura del monorepo

• devinsight-backend: API ASP.NET Core + capas DDD.
• devinsight-ai-engine: servicio FastAPI para generar insights.
• devinsight-frontend: SPA React con páginas Dashboard, Repository, Analysis y Chat (MVP).
• docker-compose.yml: orquestación de servicios.
• .env.example: plantilla de variables de entorno.

Prerrequisitos

Opción recomendada (Docker)

• Docker Desktop.
• Docker Compose v2.

Opción local (sin Docker)

• .NET SDK 9.
• Python 3.12 recomendado para AI Engine.
• Git CLI.

Nota: con Python 3.14 puede fallar la instalación de pydantic-core en algunos entornos locales. Si ocurre, usa Docker o Python 3.12.

Configuración inicial

1. Crear archivo .env en la raíz usando .env.example como base.
2. Ajustar valores reales para:

• GITHUB_CLIENT_ID
• GITHUB_CLIENT_SECRET
• OPENAI_API_KEY

Ejecución con Docker

Desde la raíz del repositorio:

docker compose up --build

Servicios esperados:

• Backend: http://localhost:5000
• AI Engine: http://localhost:8000
• Frontend: http://localhost:5173

Importante: el frontend aún no está implementado, por lo que su contenedor puede fallar hasta completar ese módulo.

Ejecución local por servicio

Backend (.NET)

cd devinsight-backend
dotnet restore
dotnet build DevInsight.Backend.sln
dotnet run --project src/DevInsight.Api

Backend disponible en:

• http://localhost:5000 (si se respeta configuración de launch).
• Health: http://localhost:5000/health
• Swagger (Development): http://localhost:5000/swagger

AI Engine (FastAPI)

cd devinsight-ai-engine
python -m venv .venv
source .venv/Scripts/activate
pip install -r requirements.txt
uvicorn app.main:app --host 0.0.0.0 --port 8000

AI Engine disponible en:

• http://localhost:8000
• Health: http://localhost:8000/health

API principal (Backend)

OAuth GitHub

• GET /api/auth/github/login-url
• POST /api/auth/github/callback
• GET /api/auth/github/repositories?sessionId={sessionId}

Solicitar análisis de repositorio

POST /api/engineering-intelligence/repositories/analyze

Ejemplo:

{
  "repositoryName": "aspnetcore",
  "repositoryUrl": "https://github.com/dotnet/aspnetcore",
  "branch": "main",
  "gitHubSessionId": "optional-session-id"
}

Obtener último análisis por repositorio

GET /api/engineering-intelligence/repositories/{repositoryId}/analysis/latest

Reglas AST implementadas

• LongMethod: método con más de 50 líneas.
• DeepNesting: anidación mayor a 3 niveles.
• LargeFile: archivo con más de 300 líneas.

Alcance actual del analizador:

• Solo archivos C# (*.cs) usando Roslyn.
• Repositorios sin C# pueden retornar 0 issues sin error.

Seguridad y sesgo (estado actual)

Medidas aplicadas en esta iteración:

• Validación de host de repositorio para limitar a github.com.
• Validación de formato de branch para reducir riesgo de inyección en clonación.
• Manejo server-side de sesión GitHub (token no expuesto al frontend).
• Validación de state OAuth con expiración para mitigar replay.
• Contrato estructurado backend -> AI Engine para reducir ambigüedad en insights.

Riesgos abiertos para siguientes fases:

• Endurecer OAuth con almacenamiento distribuido de sesión, rotación y trazabilidad.
• Persistencia y auditoría de eventos de seguridad.
• Evaluación de sesgo de IA con dataset de validación multi-repo y multi-estilo.

Próximos pasos recomendados

1. Implementar IdentityAccessManagement + OAuth GitHub end-to-end.
2. Agregar EF Core y migraciones para Repository, Analysis e Insight.
3. Conectar frontend al flujo OAuth completo y selección de repositorios autenticados.
4. Añadir pruebas de contrato entre Backend y AI Engine.