用途：在陌生代码库中提取结构、语义、历史与风险信号。八类算法按优先级排列：概念与领域抽取（LDA主题、名词短语挖掘、TF-IDF稀有词、标识符共现、实体名归一、限界上下文检测）；语义相似与特征映射（CodeBERT、PDG语义克隆、跨PR特征映射、余弦VSM、调用模式、文档-代码对齐）；架构拓扑（PageRank核心、介数瓶颈、Louvain模块、SCC循环、反馈弧）；共变与时间挖掘（变更耦合、热点churn×复杂度、巴士因子、提交主题、修复密度、代码老化）；克隆检测（MinHash+LSH、SimHash、后缀数组CPD、GumTree、Zhang-Shasha）；缺陷与功能定位（TF-IDF、BM25、历史先验、嵌入重排）；标识符语言学（驼峰/下划线切分、缩写扩展、Porter词干、POS标注）；复杂度与风险（McCabe、认知复杂度、Halstead、命名熵）。
用法：先选匹配问题的类别，再读一到两条具体规则，多数规则标注可组合伙伴。陌生仓库推荐起点：graph-pagerank-core读前20核心文件，concept-lda-topic-modeling配合concept-tfidf-rare-terms识别业务主题，mine-hotspots-churn-complexity定位缺陷集中处，mine-change-coupling发现隐藏耦合。单任务定位流程：local-bm25-saturation出候选，local-embedding-bug-text语义重排，local-history-prior-localization历史加成；新功能可先跑sim-cross-pr-feature-mapping找先例。任何基于词表的算法前，必须先经ling-camel-snake-split→ling-abbreviation-expansion→ling-porter-stemming预处理，否则下游信号会静默劣化。示例多用Python内置ast，跨语言建议用tree-sitter（支持40余种语言，统一API）。
限制：资料未提供安装命令、价格与运行平台信息。