Git 同步 → 变更解析 → 语义映射 → LLM 意图推断 → 知识输出服务。

五个阶段自动流转，将 Git 提交历史逐步转化为结构化的业务演进知识。

1)    Git 同步：自动同步 Git 仓库，获取最新的提交历史和变更数据。

2)    变更解析：解析每次提交的文件变更，提取代码级别的变更信息。

3)    语义映射：将代码变更映射到模型/字段级别的语义变更。

4)    LLM 意图推断：LLM 推断每次提交的业务意图，将技术变更转化为业务知识。

5)    知识输出服务：结构化业务演进知识可供迁移引擎和 AI 编码助手利用。

每次提交的文件变更映射到模型/字段级语义变更。

commit.semantic.change 记录模块/模型/字段级变更，让代码变更有业务语义。

1)    模块级变更：识别变更涉及的模块，记录模块的新增、删除、修改。

2)    模型级变更：识别变更涉及的模型，记录模型的新增、删除、修改。

3)    字段级变更：识别变更涉及的字段，记录字段的新增、删除、类型变更。

4)    方法级变更：识别变更涉及的方法，记录方法的新增、删除、签名变更。

5)    变更关联：将不同级别的变更关联起来，形成完整的变更语义图。

LLM 推断每次提交的业务意图，将技术变更转化为业务知识。

不是简单的变更描述，而是深入理解变更背后的业务动机和目的。

1)    业务意图识别：LLM 分析变更内容，推断业务意图（如新增功能、修复 Bug、性能优化）。

2)    变更影响评估：评估变更对业务流程和数据模型的影响。

3)    变更原因分析：结合提交信息和变更内容，分析变更的原因和背景。

4)    变更分类：将变更按业务维度分类（功能变更、数据变更、流程变更等）。

结构化业务演进知识可供迁移引擎和 AI 编码助手利用。

知识不是存在仓库里吃灰，而是作为服务供其他系统消费。

1)    迁移引擎利用：迁移引擎可利用演进知识，辅助版本升级和代码迁移。

2)    AI 编码助手利用：AI 编码助手可利用演进知识，提供更准确的代码建议。

3)    知识查询 API：提供 API 接口，支持按模块、模型、时间等维度查询演进知识。

4)    知识可视化：提供可视化界面，直观展示项目的演进历程。