Analisi Approfondita del Repository
In questa pagina
Lezione aggiornata il 3 novembre 2026 sulla base del manuale di Codex: “Deep Research for GitHub” non è una funzionalità di Codex. L’analisi del repository viene eseguita con Codex in modalità sola lettura, mentre la ricerca approfondita (deep research) è una funzionalità di ChatGPT Work, la cui disponibilità dipende dal tuo account e dal tuo spazio di lavoro. La tabella comparativa delle durate senza fonti della versione precedente è stata rimossa. Fonti: Codex CLI · Modalità non interattiva.
Analisi Approfondita del Repository
Prima di modificare il codice, spesso devi prima comprenderlo: l’architettura di un progetto legacy, le sue dipendenze e il suo debito tecnico. Due strumenti sono perfetti per questo scopo. Codex analizza un repository dall’interno: legge i file, esamina la cronologia di Git ed esegue comandi diagnostici, senza apportare alcuna modifica. La ricerca approfondita di ChatGPT Work conduce indagini su più fonti e fornisce un rapporto con riferimenti alle fonti; è lo strumento giusto per domande che vanno oltre il repository, come la valutazione di una libreria esterna.
Analizzare Senza Modificare Nulla
Un’attività standard di Codex esegue un’azione: scrivere codice, correggere un bug o generare test. Per l’analisi, chiedi a Codex di sintetizzare senza modificare nulla e forniscigli i mezzi per rispettare questo vincolo. Imposta la sessione in modalità sola lettura (/permissions, modalità read-only) oppure esegui l’analisi con codex exec, che utilizza di default una sandbox in sola lettura. Può scansionare centinaia di file, esaminare la cronologia di Git e produrre un rapporto dettagliato. Questa differenza emerge immediatamente nel tuo prompt, che dovrebbe concentrarsi sulla comprensione piuttosto che sulla modifica:
"Analyze the architecture of this project without modifying any files.
How does data flow from the API to the database? What patterns are
used? Where are the fragility points?"
Il risultato non è un commit, ma un documento strutturato contenente riferimenti ai file pertinenti e raccomandazioni. Lo esamini, ne discuti in una riunione tecnica e lo correggi dove necessario.
Accelerare l’Onboarding Tecnico
Quando uno sviluppatore si unisce a un team, di solito passa le prime due settimane a ricostruire mentalmente una mappa che nessuno ha mai messo per iscritto: quale servizio chiama cosa, perché un modulo ha un nome che non corrisponde più al suo contenuto o dove si nasconde la logica di fatturazione. Codex può disegnare questa mappa per lui:
"Analyze this repository and generate an onboarding guide
for a new developer. Cover:
- General architecture and layers
- Naming and structure conventions
- End-to-end flow of a typical request
- The most important files to read first
- Common pitfalls and project-specific quirks"
Il documento risultante funge da riferimento durante le prime settimane e viene corretto man mano che il team fornisce feedback. Questo esercizio di correzione ha un vantaggio inaspettato: rivela punti ciechi che nessuno si è preso la briga di documentare perché “tutti sanno come funziona”.
Audit delle Dipendenze e del Debito Tecnico
Il secondo caso d’uso naturale è l’inventario. Un codebase di tre anni accumula librerie abbandonate, duplicati funzionali e importazioni morte che nessuno osa cancellare per mancanza di una visione d’insieme:
"Analyze all project dependencies (package.json
and lock file). Identify:
- Obsolete packages (last update > 1 year ago)
- Known vulnerabilities
- Duplicate packages (same functionality)
- Unused packages (imported nowhere)
- Packages with incompatible licenses"
Questa analisi incrocia package.json, il file di lock e gli import effettivamente presenti nel codice. Per le vulnerabilità note e lo stato di manutenzione dei pacchetti, sono necessari dati pubblici, quindi devi autorizzare esplicitamente l’accesso alla rete o utilizzare gli strumenti di audit del tuo package manager (come npm audit). La valutazione del debito tecnico segue la stessa logica, con un requisito aggiuntivo: l’ultima riga del prompt. Senza criteri di ordinamento, ottieni una lista di quaranta problemi senza sapere da dove iniziare.
"Evaluate the technical debt of this project. Analyze:
- Cyclomatic complexity of core modules
- Most frequently modified files (Git hotspots)
- Code duplication patterns
- Unresolved TODOs and FIXMEs
- Test coverage by module
Rank problems by impact and effort to fix."
Il valore di queste analisi risiede nel rapporto tra tempo investito e risultati ottenuti: poche istruzioni precise sostituiscono giorni di lettura. Misuralo sui tuoi progetti invece di affidarti a stime generiche e rivedi sempre il rapporto: l’agente può sbagliare, specialmente riguardo a ciò che il repository non contiene.
Valutare un Progetto Esterno Prima dell’Adozione
Per una libreria open source che stai considerando di adottare, la domanda va oltre il repository: frequenza delle release, attività sulle issue e reputazione. Questo è il dominio della ricerca approfondita di ChatGPT Work. Nell’app desktop, passa a Work, apri Plugins e seleziona Deep research; sul web, apri il menu + in una conversazione Work. La disponibilità dipende dal tuo account e dal tuo spazio di lavoro:
"Analyze the repository github.com/org/library.
Evaluate its maturity:
- Release frequency and maintenance
- Documentation quality
- Community activity (issues, PRs)
- Test coverage
- Recommendation: Is it safe to adopt in production?"
Questo è il passaggio di verifica che quasi sempre saltiamo perché non possiamo permetterci di dedicargli mezza giornata, eppure la sua assenza ci costa cara due anni dopo: la libreria non è più mantenuta, il suo unico maintainer è scomparso e ti ritrovi con una dipendenza che devi riscrivere in fretta.
Ottenere Rapporti Azionabili
La qualità del rapporto dipende direttamente dalla precisione del prompt. “Dove sono i punti di fragilità?” produce un risultato molto più utile di “Analizza il progetto” perché la prima formulazione impone un angolo di visuale e forza una gerarchia. Richiedi anche un formato esplicito: “ordina per priorità”, “organizza per modulo”, per ottenere un documento che puoi scorrere rapidamente invece di leggere da cima a fondo. Successivamente, procedi con compiti concreti di Codex che risolvono i problemi identificati. A quel punto, l’analisi smette di essere un semplice rapporto e diventa il punto di partenza per un piano di lavoro. Infine, condividi questi rapporti con il tuo team, poiché il loro valore cresce con il numero di persone che li consultano quotidianamente.
Punti chiave
- Per analizzare un repository, esegui Codex in modalità sola lettura (
/permissions, oppurecodex exec, che è in sola lettura di default) - Ideale per onboarding, audit e valutazione del debito tecnico
- La ricerca approfondita di ChatGPT Work è adatta a domande multi-sorgente, come la valutazione di una libreria esterna
- I risultati alimentano compiti Codex concreti per risolvere i problemi identificati
- Rivedi ogni rapporto: un agente può sbagliare, specialmente riguardo ai contenuti mancanti