Diepgaande repository-analyse
Op deze pagina
Les bijgewerkt op 3 november 2026 op basis van de Codex-handleiding: “Deep Research for GitHub” is geen Codex-functie. Repository-analyse wordt uitgevoerd met Codex in alleen-lezen modus, terwijl deep research een functie van ChatGPT Work is, waarvan de beschikbaarheid afhangt van uw account en werkruimte. De niet-onderbouwde vergelijkingstabel met doorlooptijden uit de vorige versie is verwijderd. Bronnen: Codex CLI · Niet-interactieve modus.
Diepgaande repository-analyse
Voordat u code wijzigt, moet u deze vaak eerst begrijpen: de architectuur van een legacy-project, de afhankelijkheden en de technische schuld. Twee tools zijn hiervoor geschikt. Codex analyseert een repository van binnenuit: het leest bestanden, onderzoekt de Git-historie en voert diagnostische opdrachten uit zonder wijzigingen aan te brengen. De deep research-functie van ChatGPT Work voert onderzoeken uit via meerdere bronnen en levert een onderbouwd rapport; dit is het juiste instrument voor vragen die verder gaan dan de repository, zoals het evalueren van een externe bibliotheek.
Analyseren zonder iets te wijzigen
Een standaard Codex-taak voert een actie uit: code schrijven, een bug oplossen of tests genereren. Voor analyse vraagt u Codex om te synthetiseren zonder iets te wijzigen, en geeft u het de middelen om zich aan die beperking te houden. Stel de sessie in op alleen-lezen (/permissions, modus read-only), of voer de analyse uit met codex exec, dat standaard draait in een alleen-lezen sandbox. Het kan honderden bestanden scannen, de Git-historie onderzoeken en een gedetailleerd rapport produceren. Dit verschil komt direct tot uiting in uw prompt, die zich moet richten op begrip in plaats van modificatie:
"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?"
Het resultaat is geen commit, maar een gestructureerd document met verwijzingen naar relevante bestanden en aanbevelingen. U beoordeelt dit, bespreekt het tijdens een technische vergadering en corrigeert het waar nodig.
Technische onboarding versnellen
Wanneer een ontwikkelaar bij een team komt, spendeert hij of zij doorgaans de eerste twee weken aan het mentaal reconstrueren van een kaart die niemand ooit heeft opgeschreven: welke service roept wat aan, waarom heeft een module een naam die niet meer overeenkomt met de inhoud, of waar de facturatielogica verstopt zit. Codex kan deze kaart voor hen tekenen:
"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"
Het resulterende document dient als naslagwerk tijdens de eerste weken en wordt gecorrigeerd naarmate het team feedback geeft. Deze correctie-oefening heeft een onverwacht voordeel: het legt blinde vlekken bloot die niemand de moeite waard vond om te documenteren omdat “iedereen weet hoe het werkt”.
Audit van afhankelijkheden en technische schuld
De tweede natuurlijke use-case is inventarisatie. Een codebase van drie jaar oud verzamelt verlaten bibliotheken, functionele duplicaten en dode imports die niemand durft te verwijderen bij gebrek aan overzicht:
"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"
Deze analyse kruisverwijst package.json, het lock-bestand en de daadwerkelijk in de code aanwezige imports. Voor bekende kwetsbaarheden en de onderhoudsstatus van packages zijn openbare gegevens nodig; u moet daarom expliciet netwerktegang toestaan of de audit-tools van uw package manager gebruiken (zoals npm audit). Het evalueren van technische schuld volgt dezelfde logica, met één extra vereiste: de laatste regel van de prompt. Zonder sorteercriteria krijgt u een lijst van veertig problemen zonder idee waar te beginnen.
"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."
De waarde van deze analyses ligt in de verhouding tussen de geïnvesteerde tijd en de behaalde resultaten: een paar precieze instructies vervangen dagenlang leeswerk. Meet dit op uw eigen projecten in plaats van te vertrouwen op algemene schattingen, en bekijk elk rapport kritisch: de agent kan zich vergissen, vooral over wat er niet in de repository staat.
Een extern project evalueren voordat u het adopteert
Voor een open-source bibliotheek die u overweegt te adopteren, gaat de vraag verder dan de repository: releasefrequentie, activiteit rond issues en reputatie. Dit is het domein van deep research van ChatGPT Work. Schakel in de desktop-app over naar Work, open Plugins en selecteer Deep research; op het web opent u het menu + in een Work-conversatie. De beschikbaarheid hangt af van uw account en werkruimte:
"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?"
Dit is de verificatiestap die we bijna altijd overslaan omdat we er geen halve dag voor kunnen missen, terwijl het ontbreken ervan ons twee jaar later duur komt te staan: de bibliotheek wordt niet meer onderhouden, de enige beheerder is verdwenen en u zit opgescheept met een afhankelijkheid die u haastig moet herschrijven.
Actiegerichte rapporten verkrijgen
De kwaliteit van het rapport hangt direct af van de precisie van uw prompt. “Waar zitten de kwetsbare punten?” levert een veel nuttiger resultaat op dan “Analyseer het project”, omdat de eerste formulering een hoek oplegt en een hiërarchie afdwingt. Vraag ook om een expliciete indeling—“rangschik op prioriteit”, “organiseer per module”—om een document te krijgen dat u snel kunt scannen in plaats van van kaft tot kaft te lezen. Volg dit vervolgens op met concrete Codex-taken die de geïdentificeerde problemen oplossen. Op dat moment stopt de analyse met het zijn van zomaar een rapport en wordt het het startpunt voor een werkplan. Deel deze rapporten ten slotte met uw team; hun waarde groeit naarmate meer mensen er dagelijks naar verwijzen.
Belangrijkste punten
- Om een repository te analyseren, voert u Codex uit in alleen-lezen modus (
/permissions, ofcodex exec, dat standaard alleen-lezen is) - Ideaal voor onboarding, audits en evaluatie van technische schuld
- Deep research van ChatGPT Work is geschikt voor vragen die meerdere bronnen vereisen, zoals het evalueren van een externe bibliotheek
- Resultaten vormen de input voor concrete Codex-taken om geïdentificeerde problemen op te lossen
- Beoordeel elk rapport: een agent kan zich vergissen, vooral over ontbrekende inhoud