Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com24. November 2025 · Q011348

CodeWiki: The New Way to Auto-Generate Documentation and Diagrams for Your Entire Codebase

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der vollständige Bericht stellt CodeWiki als Werkzeug zur automatischen Analyse und Dokumentation ganzer Repositories vor, einschließlich Architektur- und Datenflussdiagrammen. Der Artikel berichtet insgesamt bessere Benchmarkwerte als für DeepWiki, weist aber zugleich auf schlechtere Ergebnisse bei C und C++ hin; Bewertungsmethode und unabhängige Überprüfung werden nicht ausführlich beschrieben.

Mittel

Der vollständige Bericht beschreibt CodeWiki als Werkzeug, das ganze Code-Repositories analysieren und daraus Dokumentation sowie Diagramme erstellen soll. Laut Artikel unterstützt es sieben Sprachen und bildet neben einzelnen Funktionen auch Modulbeziehungen, Architektur, Datenflüsse und Sequenzen ab. Dafür zerlege es Repositories in strukturelle Cluster und setze mehrere miteinander kommunizierende KI-Agenten ein. Diagramme würden mit Mermaid erzeugt; der Beitrag berichtet von Tests an Projekten mit 86.000 bis 1,4 Millionen Codezeilen.

Als Vergleich nennt der Text den eigens entwickelten Benchmark CodeWikiBench. Insgesamt erreiche CodeWiki mit Sonnet 4 laut Tabelle 68,79 Prozent gegenüber 64,06 Prozent für DeepWiki. Es liege bei den Kategorien höherer Programmiersprachen und verwalteter Sprachen vorn, bei C und C++ jedoch zurück. Auch fünf ausgewählte Repository-Beispiele weisen im Artikel höhere Werte für CodeWiki auf.

Die angeführten Ergebnisse sind Angaben des Beitrags; eine ausführliche Bewertungsmethode oder unabhängige Prüfung wird nicht dargestellt. Genannt werden außerdem Voraussetzungen wie Python, Node.js und ein LLM-API-Schlüssel sowie eine Kommandozeileninstallation. Als Ausgabe beschreibt der Text Markdown-Dokumentation und einen interaktiven HTML-Betrachter.

Ausführlich lesen

Der vollständige Bericht stellt CodeWiki als Werkzeug vor, das laut Autor ganze Software-Repositories untersucht und daraus automatisch Dokumentation sowie Diagramme erzeugt. Als Problem beschreibt der Beitrag große, gewachsene Codebasen, deren Dokumentation häufig veraltet, unvollständig oder gar nicht vorhanden sei. CodeWiki soll dabei nicht nur einzelne Funktionen zusammenfassen, sondern auch Beziehungen zwischen Dateien, Modulinteraktionen und das Verhalten des Gesamtsystems abbilden. Genannt werden Unterstützung für Python, Java, JavaScript, TypeScript, C, C++ und C#.

Der Artikel erläutert drei Ansätze: Erstens zerlege CodeWiki ein Repository hierarchisch in Module und bilde Cluster anhand der Struktur, statt sich nur an Ordnernamen zu orientieren. Zweitens arbeite ein rekursives Multi-Agenten-System, dessen Agenten Repository-Bereiche analysieren, Aufgaben aufteilen und Ergebnisse weitergeben. Drittens verbinde das Werkzeug Text mit Diagrammen: Es generiere unter anderem Architekturübersichten, Datenflüsse, Abhängigkeiten und Sequenzen. Die Diagramme seien in Mermaid verfasst und damit nachträglich bearbeitbar. Der Beitrag berichtet, dass CodeWiki an Projekten mit 86.000 bis 1,4 Millionen Codezeilen getestet worden sei.

Als Leistungsnachweis nennt der Artikel CodeWikiBench, einen eigens für Dokumentation auf Repository-Ebene entwickelten Benchmark. In der Tabelle erzielt CodeWiki mit Sonnet 4 insgesamt 68,79 Prozent gegenüber 64,06 Prozent für DeepWiki. Der berichtete Vorsprung beträgt in den Kategorien höherer Programmiersprachen 10,47 Prozentpunkte und bei verwalteten Sprachen 4,04 Punkte. Bei Systemsprachen liegt CodeWiki dagegen mit 53,24 Prozent hinter DeepWiki mit 56,39 Prozent. Für fünf aufgeführte Repositories – darunter OpenHands, Puppeteer, Svelte, ml-agents und Logstash – weist der Beitrag jeweils höhere Werte für CodeWiki aus; die angegebenen Zugewinne reichen von 3,10 bis 18,54 Prozentpunkten.

Außerdem beschreibt der Text eine Installation mit Python 3.12 oder neuer, Node.js zur Diagrammprüfung und einem API-Schlüssel für ein Sprachmodell. Über Kommandozeilenbefehle lasse sich die Dokumentation erzeugen, optional mit Ausgabe für GitHub Pages. Als mögliche Ergebnisse nennt der Beitrag Markdown-Dateien, Metadaten, einen Modulbaum und eine HTML-Datei mit interaktivem Betrachter.

Die Aussagen zu Qualität und Skalierung sind als Angaben des Artikels zu verstehen. Der Text liefert Benchmarkwerte und Beispiele, aber keine ausführliche Beschreibung der Bewertungsmethode, der Unsicherheiten oder eines unabhängigen Vergleichs. Die eigene Ergebnistabelle zeigt zudem eine klare Einschränkung: Bei C und C++ schneidet CodeWiki schlechter ab als DeepWiki. Der Beitrag stellt das Werkzeug insgesamt positiv dar und empfiehlt es besonders für große oder übernommene Repositories.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die mittlere Zusammenfassung gibt den Bericht treu wieder, die kurze lässt wichtige Aussagen wie Sprachumfang und Multi-Agenten-System aus. Für die Sammelfrage SF-H3 liefert der Bericht keine Belege; Lunas Stufe 3 ist daher zu hoch angesetzt.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Kurzfassung nennt die sieben unterstützten Sprachen nicht.
  • Die Kurzfassung erwähnt das Multi-Agenten-System nicht.
  • Die Kurzfassung erwähnt die hierarchische Zerlegung des Repositories in Module nicht.
  • Die mittlere Fassung nennt die Ergebnisse für einzelne Repositories nur allgemein und ohne die Zahlen aus der Tabelle.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Tempo und Grenzen
Vertrauen in Modelle
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 32 %einzelne zitierbare Belege
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →