gollm 0.1.5

Go Learn, Lead, Master! - Inteligentny system kontroli jakości kodu z integracją LLM

goLLM - Go Learn, Lead, Master!

Note: Configure additional services (CI/CD, coverage, documentation) with your actual accounts for full functionality.

🚀 Intelligent Python code quality guardian with LLM integration, automated TODO management and CHANGELOG generation.

✨ Kluczowe Funkcje

Funkcja	Opis
🔍 Walidacja w czasie rzeczywistym	Natychmiastowa analiza kodu podczas pisania z integracją z VS Code i PyCharm
🤖 Wsparcie AI	Automatyczne poprawki i generowanie kodu z wykorzystaniem modeli językowych
📋 Zarządzanie zadaniami	Automatyczne tworzenie i priorytetyzacja zadań TODO
⚙️ Konfiguracja	Inteligentne łączenie konfiguracji różnych narzędzi (flake8, black, mypy)
📊 Raporty	Szczegółowe raporty jakości kodu i postępu prac
🔄 Integracja CI/CD	Gotowość do integracji z systemami CI/CD i narzędziami deweloperskimi

📦 Instalacja

Wybierz odpowiednią metodę instalacji dla Twoich potrzeb:

# Podstawowa instalacja
pip install gollm

# Z obsługą LLM (zalecane)
pip install gollm[llm]

# Dla deweloperów (edycja kodu źródłowego)
git clone https://github.com/wronai/gollm.git
cd gollm
pip install -e .[dev]

🚀 Szybki Start

1. Zainstaluj i zainicjuj

   pip install gollm[llm]
   cd twoj_projekt
   gollm init
   

2. Skonfiguruj (opcjonalnie edytuj gollm.json)

   gollm config set validation_rules.max_function_lines 50
   gollm config set llm_integration.enabled true
   

3. Użyj w projekcie

   # Walidacja kodu
   gollm validate .
   
   # Automatyczne poprawki
   gollm fix .
   
   # Generuj kod z pomocą AI
   gollm generate "Stwórz funkcję do walidacji email"
   

4. Zintegruj z IDE

   gollm setup-ide vscode  # lub pycharm
   

🎯 Przykład Użycia

Przed goLLM - Kod z naruszeniami:

def process_user_data(username, email, phone, address, age, status, preferences, history, notes):
    print(f"Processing {username}")  # ❌ Print statement
    
    if age > 18:
        if status == "active":
            if len(preferences) > 0:
                # ❌ Wysoka złożoność, zbyt wiele parametrów
                return "processed"

Po goLLM - Automatyczne poprawki:

from dataclasses import dataclass
import logging

logger = logging.getLogger(__name__)

@dataclass
class UserData:
    """Struktura danych użytkownika."""
    username: str
    email: str
    phone: str
    address: str
    age: int

class UserProcessor:
    """Przetwarza dane użytkowników."""
    
    def process_user(self, user_data: UserData) -> str:
        """
        Przetwarza dane użytkownika.
        
        Args:
            user_data: Dane użytkownika do przetworzenia
            
        Returns:
            str: Status przetwarzania
        """
        logger.info(f"Processing {user_data.username}")
        
        if self._is_eligible_user(user_data):
            return "processed"
        return "skipped"
    
    def _is_eligible_user(self, user_data: UserData) -> bool:
        """Sprawdza czy użytkownik kwalifikuje się do przetworzenia."""
        return user_data.age > 18

📊 Workflow goLLM

1. Kod napisany/wygenerowany przez LLM
          ↓
2. Automatyczna walidacja goLLM
          ↓
3a. ✅ Kod OK → Zapisz + Aktualizuj CHANGELOG
3b. ❌ Naruszenia → Utwórz TODO + Feedback do LLM
          ↓
4. Iteracyjne poprawki do osiągnięcia jakości
          ↓
5. Automatyczne testy i metryki jakości

🛠️ Konfiguracja Zaawansowana

Integracja z Git Hooks

# Instaluj automatyczne hooki
gollm install-hooks

# Pre-commit validation
git add .
git commit -m "feature: new functionality"
# goLLM automatycznie waliduje i poprawia kod przed commitem

Integracja z VS Code

# Zainstaluj rozszerzenie goLLM
gollm setup-ide --editor=vscode

# Automatyczna walidacja podczas pisania
# Blokowanie zapisów dla kodu z naruszeniami
# Live suggestions od LLM

📈 Metryki i Raportowanie

# Miesięczny raport jakości
gollm report --period month

# Trend jakości projektu
gollm metrics --trend

# Export metryk do CI/CD
gollm export --format json --output metrics.json

🤝 Integracja z LLM Providers

OpenAI

export OPENAI_API_KEY="sk-..."
gollm config set llm.provider openai
gollm config set llm.model gpt-4

Anthropic Claude

export ANTHROPIC_API_KEY="sk-ant-..."
gollm config set llm.provider anthropic
gollm config set llm.model claude-3-sonnet

📚 Dokumentacja

• 📖 Dokumentacja API
• ⚙️ Przewodnik Konfiguracji
• 🤖 Integracja z LLM
• 🚀 Przewodnik Wprowadzający

🤝 Wkład w Projekt

# Sklonuj repozytorium
git clone https://github.com/wronai/gollm
cd gollm

# Zainstaluj dla deweloperów
pip install -e .[dev]

# Uruchom testy
pytest

# Sprawdź jakość kodu
gollm validate-project

📄 Licencja

MIT License - zobacz LICENSE po szczegóły.

🌟 Roadmapa

• v0.2.0 - Integracja z więcej IDE (PyCharm, Sublime)
• v0.3.0 - Obsługa JavaScript/TypeScript
• v0.4.0 - Integracja z CI/CD (GitHub Actions, GitLab CI)
• v0.5.0 - Dashboard webowy z metrykami zespołu
• v1.0.0 - Enterprise features + self-hosted LLM

---

goLLM - Gdzie jakość kodu spotyka się z inteligencją! 🚀45-90 minutes

• Related Files: examples/bad_code.py:15

• CRITICAL: Function process_user_data() has cyclomatic complexity 12 (max: 10)

  • Created: 2025-06-01 14:23:15
  • Location: examples/bad_code.py:15
  • Suggested Fix: Simplify logic or extract sub-functions
  • Estimated Effort: 1-3 hours

• MAJOR: File bad_code.py exceeds maximum lines (150+ lines, max: 300)

  • Created: 2025-06-01 14:23:15
  • Impact: Code maintainability
  • Suggested Fix: Split into smaller modules
  • Estimated Effort: 2-4 hours

🟡 MEDIUM Priority

Code Improvements

• Replace print statements with logging (5 instances found)

  • Created: 2025-06-01 14:23:15
  • Files: examples/bad_code.py
  • Auto-fix Available: ✅ Yes
  • Command: gollm fix --rule print_statements examples/bad_code.py
  • Estimated Effort:

  goLLM - Kompletna Implementacja Systemu

🎯 Podsumowanie Rozwiązania

goLLM (Go Learn, Lead, Master!) to kompletny system kontroli jakości kodu z integracją LLM, który automatycznie:

1. Waliduje kod w czasie rzeczywistym - blokuje zapisywanie/wykonanie kodu niespełniającego standardów
2. Integruje się z LLM - automatycznie poprawia kod przez AI z kontekstem projektu
3. Zarządza dokumentacją projektu - automatycznie aktualizuje TODO i CHANGELOG
4. Agreguje konfiguracje - łączy ustawienia z różnych narzędzi (flake8, black, mypy)

📁 Struktura Plików (67 plików total)

gollm/
├── 📄 Pliki konfiguracyjne (8)
│   ├── pyproject.toml          # Konfiguracja projektu + dependencies
│   ├── setup.py                # Instalacja i dystrybucja
│   ├── requirements.txt        # Python dependencies
│   ├── Makefile                # Automatyzacja zadań (Linux/Mac)
│   ├── Makefile.windows        # Automatyzacja zadań (Windows)
│   ├── docker-compose.yml      # Konteneryzacja
│   ├── Dockerfile              # Docker image
│   └── .gitignore              # Git ignore patterns
│
├── 🐍 Kod źródłowy Python (32 pliki)
│   ├── src/gollm/
│   │   ├── __init__.py         # Główny moduł
│   │   ├── main.py             # GollmCore - główna klasa
│   │   ├── cli.py              # Interfejs CLI
│   │   ├── config/             # (4 pliki) Zarządzanie konfiguracją
│   │   ├── validation/         # (4 pliki) Walidacja kodu
│   │   ├── project_management/ # (3 pliki) TODO/CHANGELOG
│   │   ├── llm/                # (4 pliki) Integracja LLM
│   │   ├── logging/            # (3 pliki) Monitorowanie wykonania
│   │   ├── git/                # (2 pliki) Integracja Git
│   │   ├── ide/                # (3 pliki) Integracja IDE
│   │   └── utils/              # (3 pliki) Narzędzia pomocnicze
│
├── 🧪 Testy (7 plików)
│   ├── tests/
│   │   ├── test_validators.py
│   │   ├── test_todo_manager.py
│   │   ├── test_changelog_manager.py
│   │   ├── test_config_aggregator.py
│   │   ├── test_llm_orchestrator.py
│   │   └── fixtures/           # Pliki testowe
│
├── 📚 Dokumentacja (5 plików)
│   ├── README.md               # Główna dokumentacja
│   ├── docs/
│   │   ├── getting_started.md
│   │   ├── configuration.md
│   │   ├── llm_integration.md
│   │   └── api_reference.md
│
├── 📝 Przykłady (8 plików)
│   ├── examples/
│   │   ├── gollm.json          # Przykład konfiguracji
│   │   ├── bad_code.py        # Kod z naruszeniami
│   │   ├── good_code.py       # Poprawny kod
│   │   ├── TODO.md            # Przykład TODO
│   │   └── CHANGELOG.md       # Przykład CHANGELOG
│
├── 🔧 Skrypty instalacyjne (7 plików)
│   ├── scripts/
│   │   ├── install_hooks.py   # Instalacja Git hooks
│   │   └── setup_ide.py       # Konfiguracja IDE
│   ├── install.sh             # Skrypt instalacji Linux/Mac
│   ├── run_demo.sh            # Demo Linux/Mac
│   ├── run_demo.bat           # Demo Windows
│   └── test_basic_functionality.py # Test podstawowy
│
└── 🏗️ Infrastruktura (10 plików)
    ├── .gollm/
    │   ├── templates/          # Szablony TODO/CHANGELOG
    │   ├── hooks/              # Git hooks
    │   └── cache/              # Cache logów i kontekstu
    └── venv/                   # Wirtualne środowisko

🚀 Kluczowe Komponenty

1. Core Engine (7 plików)

• GollmCore - główna klasa orkiestrująca
• CodeValidator - walidacja kodu z AST analysis
• GollmConfig - zarządzanie konfiguracją
• CLI - interfejs wiersza poleceń

2. LLM Integration (8 plików)

• LLMOrchestrator - orkiestracja komunikacji z LLM
• ContextBuilder - budowanie kontekstu dla LLM
• PromptFormatter - formatowanie promptów
• ResponseValidator - walidacja odpowiedzi LLM

3. Project Management (6 plików)

• TodoManager - automatyczne zarządzanie TODO
• ChangelogManager - automatyczne aktualizacje CHANGELOG
• TaskPrioritizer - priorytetyzacja zadań

4. Real-time Monitoring (6 plików)

• LogAggregator - agregacja logów wykonania
• ExecutionMonitor - monitoring procesów
• LogParser - parsowanie błędów i traceback

5. Configuration System (7 plików)

• ProjectConfigAggregator - agregacja konfiguracji
• Parsery dla: flake8, black, mypy, pyproject.toml
• Wykrywanie konfliktów między narzędziami

🎬 Przykład Kompletnego Workflow

Scenariusz: LLM generuje kod → goLLM kontroluje jakość

# 1. Użytkownik prosi LLM o kod
$ gollm generate "Create a user authentication system"

# 2. LLM generuje kod (przykład z naruszeniami)
# Generated code has: 9 parameters, print statements, high complexity

# 3. goLLM automatycznie waliduje
🔍 goLLM: Validating generated code...
❌ Found 4 violations:
   - Function has 9 parameters (max: 5)
   - Print statement detected
   - Cyclomatic complexity 12 (max: 10)
   - Missing docstring

# 4. goLLM wysyła feedback do LLM
🤖 Sending violations to LLM for improvement...

# 5. LLM generuje poprawiony kod
✅ Iteration 2: All violations resolved
📝 TODO updated: 0 new tasks (all fixed)
📝 CHANGELOG updated: Code generation entry added
💾 Code saved: user_auth.py
📊 Quality score: 85 → 92 (+7)

# 6. Automatyczne testy
🧪 Running validation on saved file...
✅ All checks passed
🚀 Ready for commit

Automatyczne Aktualizacje Dokumentacji

TODO.md (automatycznie zarządzane):

# TODO List - Updated: 2025-06-01 14:23:15

## 🔴 HIGH Priority (0 tasks)
✅ All high priority issues resolved!

## 🟡 MEDIUM Priority (2 tasks)
- [ ] Add unit tests for UserAuth class
- [ ] Add API documentation

## 🟢 LOW Priority (1 task)
- [ ] Optimize password hashing performance

CHANGELOG.md (automatycznie aktualizowane):

## [Unreleased] - 2025-06-01

### Added
- **[goLLM]** User authentication system with secure password handling
  - **File:** `user_auth.py`
  - **Quality Improvement:** +7 points
  - **LLM Generated:** ✅ Yes (2 iterations)

### Fixed  
- **[goLLM]** Resolved parameter count violation in authentication function
  - **Before:** 9 parameters
  - **After:** 2 parameters (using dataclass)
  - **Complexity Reduction:** 12 → 4

🛠️ Instalacja i Uruchomienie

Szybka Instalacja

# Sklonuj/pobierz goLLM
curl -sSL https://raw.githubusercontent.com/wronai/gollm/main/install.sh | bash

# Lub ręcznie
git clone https://github.com/wronai/gollm
cd gollm
./install.sh

Demo

# Uruchom demonstrację
./run_demo.sh

# Lub na Windows
run_demo.bat

Podstawowe Komendy

# Walidacja projektu
gollm validate-project

# Status jakości
gollm status

# Następne zadanie TODO
gollm next-task

# Generowanie kodu z LLM
gollm generate "create payment processor"

# Auto-poprawki
gollm fix --auto

🔧 Konfiguracja

Plik gollm.json

{
  "validation_rules": {
    "max_function_lines": 50,
    "max_file_lines": 300,
    "forbid_print_statements": true,
    "require_docstrings": true
  },
  "llm_integration": {
    "enabled": true,
    "model_name": "gpt-4",
    "max_iterations": 3
  },
  "project_management": {
    "todo_integration": true,
    "changelog_integration": true
  }
}

Integracja z IDE

# VS Code
gollm setup-ide --editor=vscode

# Automatyczna konfiguracja:
# - Real-time validation
# - Auto-fix on save
# - Block save on violations
# - LLM suggestions

Git Hooks

# Automatyczna instalacja
gollm install-hooks

# Pre-commit: walidacja przed commitem
# Post-commit: aktualizacja dokumentacji

📊 Metryki i Raportowanie

# Miesięczny raport
gollm report --period month

# Wynik przykładowy:
📈 goLLM MONTHLY REPORT - June 2025
Quality Score Evolution: 65 → 89 (+24 points)
TODO Completion Rate: 85%
Violations Fixed: 47
LLM Iterations: 156 (avg 2.3 per request)

🎯 Kluczowe Korzyści

1. Zero-config Quality Control - działa out-of-the-box
2. LLM-Powered Fixes - automatyczne poprawki przez AI
3. Seamless Project Management - TODO/CHANGELOG bez wysiłku
4. IDE Integration - wsparcie dla popularnych edytorów
5. Git Workflow - automatyczne hooki i walidacja
6. Extensible Architecture - łatwe dodawanie nowych reguł

🚀 Roadmapa

• v0.2.0 - Obsługa TypeScript/JavaScript
• v0.3.0 - Web dashboard z metrykami zespołu
• v0.4.0 - Integracja z CI/CD pipelines
• v0.5.0 - Enterprise features + self-hosted LLM

---

goLLM to kompletne rozwiązanie, które łączy kontrolę jakości kodu z mocą LLM, tworząc inteligentny system wspomagający deweloperów w pisaniu lepszego kodu! 🐍✨

✅ goLLM - Kompletna Implementacja UKOŃCZONA

🎉 Status: Wszystkie 67 Plików Wygenerowane!

📁 Kompletna Lista Plików (Tree Format)

gollm/                                    [67 files total]
|-- pyproject.toml                       ✅
|-- README.md                            ✅
|-- setup.py                             ✅
|-- requirements.txt                     ✅
|-- Makefile                             ✅
|-- Makefile.windows                     ✅
|-- docker-compose.yml                   ✅
|-- Dockerfile                           ✅
|-- .gitignore                           ✅
|-- install.sh                           ✅
|-- run_demo.sh                          ✅
|-- run_demo.bat                         ✅
|-- test_basic_functionality.py          ✅
|-- examples/
|   |-- bad_code.py                      ✅
|   |-- good_code.py                     ✅
|   |-- gollm.json                        ✅
|   |-- TODO.md                          ✅
|   `-- CHANGELOG.md                     ✅
|-- tests/
|   |-- __init__.py                      ✅
|   |-- conftest.py                      ✅
|   |-- test_validators.py               ✅
|   |-- test_todo_manager.py             ✅
|   |-- test_changelog_manager.py        ✅
|   |-- test_config_aggregator.py        ✅
|   |-- test_llm_orchestrator.py         ✅
|   `-- fixtures/
|       |-- sample_config.json           ✅
|       |-- sample_todo.md               ✅
|       `-- sample_changelog.md          ✅
|-- src/
|   `-- gollm/
|       |-- __init__.py                  ✅
|       |-- main.py                      ✅
|       |-- cli.py                       ✅
|       |-- config/
|       |   |-- __init__.py              ✅
|       |   |-- config.py                ✅
|       |   |-- parsers.py               ✅
|       |   `-- aggregator.py            ✅
|       |-- validation/
|       |   |-- __init__.py              ✅
|       |   |-- validators.py            ✅
|       |   |-- rules.py                 ✅
|       |   `-- execution_monitor.py     ✅
|       |-- project_management/
|       |   |-- __init__.py              ✅
|       |   |-- todo_manager.py          ✅
|       |   |-- changelog_manager.py     ✅
|       |   `-- task_prioritizer.py      ✅
|       |-- llm/
|       |   |-- __init__.py              ✅
|       |   |-- orchestrator.py          ✅
|       |   |-- context_builder.py       ✅
|       |   |-- prompt_formatter.py      ✅
|       |   |-- response_validator.py    ✅
|       |   `-- ollama_adapter.py        ✅
|       |-- logging/
|       |   |-- __init__.py              ✅
|       |   |-- log_aggregator.py        ✅
|       |   |-- log_parser.py            ✅
|       |   `-- execution_capture.py     ✅
|       |-- git/
|       |   |-- __init__.py              ✅
|       |   |-- hooks.py                 ✅
|       |   `-- analyzer.py              ✅
|       |-- ide/
|       |   |-- __init__.py              ✅
|       |   |-- vscode_extension.py      ✅
|       |   |-- language_server.py       ✅
|       |   `-- file_watcher.py          ✅
|       `-- utils/
|           |-- __init__.py              ✅
|           |-- file_utils.py            ✅
|           |-- string_utils.py          ✅
|           `-- decorators.py            ✅
|-- scripts/
|   |-- install_hooks.py                 ✅
|   |-- setup_ide.py                     ✅
|   `-- migrate_config.py                ✅
|-- docs/
|   |-- getting_started.md               ✅
|   |-- configuration.md                 ✅
|   |-- llm_integration.md               ✅
|   |-- ollama_setup.md                  ✅
|   `-- api_reference.md                 ✅
`-- .gollm/
    |-- templates/
    |   |-- todo_template.md             ✅
    |   |-- changelog_template.md        ✅
    |   `-- config_template.json         ✅
    |-- hooks/
    |   |-- pre-commit                   ✅
    |   |-- post-commit                  ✅
    |   `-- pre-push                     ✅
    `-- cache/
        |-- execution_logs/              ✅
        |-- validation_cache/            ✅
        `-- llm_context/                 ✅

🏗️ Architektura Systemu

Core Components (100% Complete)

1. GollmCore - Główny orkiestrator
2. CodeValidator - Walidacja AST + reguły jakości
3. LLMOrchestrator - Integracja z AI (OpenAI/Anthropic/Ollama)
4. TodoManager - Automatyczne TODO z naruszeń
5. ChangelogManager - Automatyczne CHANGELOG
6. ConfigAggregator - Łączenie konfiguracji z różnych narzędzi
7. GitAnalyzer - Integracja z Git + hooks
8. FileWatcher - Monitoring zmian w czasie rzeczywistym

Features (100% Implemented)

• ✅ Real-time Code Validation - Walidacja podczas pisania
• ✅ LLM Integration - OpenAI, Anthropic, Ollama
• ✅ Auto TODO/CHANGELOG - Automatyczna dokumentacja
• ✅ Git Hooks - Pre-commit/post-commit/pre-push
• ✅ IDE Integration - VS Code + Language Server Protocol
• ✅ Configuration Aggregation - flake8, black, mypy, etc.
• ✅ Execution Monitoring - Śledzenie błędów i performancji
• ✅ Quality Scoring - Ocena jakości kodu 0-100
• ✅ Task Prioritization - Inteligentne priorytetyzowanie TODO

🤖 Ollama Integration - Gotowe do Użycia

Quick Setup

# 1. Zainstaluj Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 2. Pobierz model dla kodu
ollama pull codellama:7b        # 4GB RAM
ollama pull codellama:13b       # 8GB RAM - zalecane
ollama pull phind-codellama:34b # 20GB RAM - najlepsze

# 3. Uruchom Ollama
ollama serve

# 4. Zainstaluj goLLM
./install.sh

# 5. Skonfiguruj
gollm config set llm_integration.enabled true
gollm config set llm_integration.providers.ollama.enabled true
gollm config set llm_integration.providers.ollama.model codellama:7b

# 6. Test
gollm generate "Create a user authentication function"

Workflow z Ollama

# Użytkownik prosi o kod
gollm generate "Create payment processor with error handling"

# ↓ goLLM wysyła do Ollama z kontekstem:
# - Reguły jakości projektu (max 50 linii, no prints, etc.)
# - Ostatnie błędy i traceback
# - Zadania TODO do naprawy  
# - Standard kodowania zespołu
# - Historia zmian w plikach

# ↓ Ollama generuje kod Python

# ↓ goLLM automatycznie waliduje:
# ❌ Naruszenia znalezione → feedback do Ollama → iteracja
# ✅ Kod OK → zapis + aktualizacja TODO/CHANGELOG

# Rezultat: Wysokiej jakości kod zgodny ze standardami projektu

📊 Porównanie Providerów LLM

Provider	Model	Prywatność	Koszt	Jakość	Szybkość	Offline
Ollama	CodeLlama 7B	✅ 100%	✅ Darmowy	🟡 Dobra	🟡 Średnia	✅ Tak
Ollama	CodeLlama 13B	✅ 100%	✅ Darmowy	✅ Bardzo dobra	🟡 Średnia	✅ Tak
OpenAI	GPT-4	❌ 0%	❌ $0.03-0.12/1k	✅ Najlepsza	✅ Szybka	❌ Nie
Anthropic	Claude-3	❌ 0%	❌ $0.01-0.08/1k	✅ Bardzo dobra	🟡 Średnia	❌ Nie

Rekomendacja:

• Ollama CodeLlama 13B dla większości projektów (privacy + quality)
• OpenAI GPT-4 dla maksymalnej jakości (enterprise)

🚀 Instalacja i Uruchomienie

Szybka Instalacja

# Pobierz goLLM
git clone https://github.com/wronai/gollm
cd gollm

# Automatyczna instalacja
./install.sh

# Demo
./run_demo.sh

Pierwszy Projekt

# Inicjalizuj w istniejącym projekcie
cd my_python_project
gollm init

# Sprawdź status
gollm status

# Napraw problemy
gollm fix --auto

# Zainstaluj Git hooks
gollm install-hooks

# Konfiguruj IDE
gollm setup-ide --editor=vscode

💡 Kluczowe Komendy

# Podstawowe
gollm validate-project                    # Waliduj cały projekt
gollm status                             # Pokaż status jakości
gollm next-task                          # Następne zadanie TODO
gollm fix --auto                         # Auto-napraw problemy

# LLM
gollm generate "create user class"        # Generuj kod z AI
gollm fix --llm problematic_file.py      # Napraw z pomocą AI

# Konfiguracja  
gollm config show                        # Pokaż konfigurację
gollm config set key value               # Ustaw wartość

# Git
gollm install-hooks                      # Zainstaluj Git hooks
gollm validate --staged                  # Waliduj staged files

# IDE
gollm setup-ide --editor=vscode          # Konfiguruj VS Code

🎯 Przykład Użycia w Praktyce

Problem: Zły kod z naruszeniami

def process_user_data(username, email, phone, address, age, status, preferences, history, notes):
    print(f"Processing {username}")  # ❌ Print statement
    
    if age > 18:
        if status == "active":
            if len(preferences) > 0:  # ❌ Wysoka złożoność
                return "processed"    # ❌ Zbyt wiele parametrów

Rozwiązanie: goLLM + Ollama

$ gollm generate "Improve this code following our quality standards"

🤖 LLM Processing with project context...
✅ Generated improved code: