Werkzeuge

Neu: Dukehoff MCP for Java 0.9.1 →

Die Java-IDE für Coding-Agenten.

Coding-Agenten bearbeiten Java wie Text: suchen, öffnen, ändern, wiederholen. Dukehoff MCP gibt ihnen, was Ihnen eine IDE gibt, als Werkzeuge, die sie über MCP aufrufen. Es läuft lokal, braucht keine geöffnete IDE und hält seinen Index zwischen den Sitzungen warm.

Für Claude Code, GitHub Copilot (VS Code und CLI), Codex, Cursor und omp. Maven, Gradle und Ant. Windows, macOS, Linux; JDK 17 oder neuer.

Debuggen

Einen Test im Debugger ausführen, an Methode, Zeile oder Exception anhalten und Stack und Variablen lesen, statt aus Ausgaben zu raten.

Migrieren

Typsicheres, regelbasiertes Suchen und Ersetzen in der ganzen Codebasis (Jackpot-Regeln), zuerst als Probelauf. Trifft Typen, nicht Text.

Refaktorisieren

Umbenennen, verschieben, Signatur ändern, sicher löschen und inlinen, für jeden Aufrufer und jede Überschreibung, geliefert als ein Diff.

Navigieren

Verwendungen, Implementierungen, Symbole und Gliederungen: semantische Antworten statt Textfunde samt Kommentaren und gleichnamigen Methoden.

Prüfen

Compilerfehler des ganzen Workspace, ohne Build.

Neu: dukehoff-decide 0.1.0 auf Maven Central →

Typsichere Entscheidungen von kleinen Sprachmodellen.

Viele LLM-Aufrufe stellen eine Frage, deren Antwort eine von wenigen Optionen ist: welches Team bearbeitet dieses Ticket, ist das Spam, wie dringend ist es. dukehoff-decide macht aus der Frage einen Java-Typ und beantwortet sie mit einem kleinen lokalen Modell. Sie bekommen einen typisierten Wert, verlässliche Wahrscheinlichkeiten und eine Schwelle, die unsichere Fälle an einen Menschen gibt.

Java 21. Jeder OpenAI-kompatible Server mit Log-Wahrscheinlichkeiten, etwa Ollama oder llama.cpp. Mit Spring-Boot-Starter. Auf Maven Central als com.dukehoff.decide.

@Question("Triage an incoming support ticket")
record Triage(Priority priority, Team team,
              boolean churnRisk) {}

Decision<Triage> d = triage.decide(State.of(text));
d.value();                  // always a valid Triage
d.distribution("priority"); // Map<Priority, Double>

Kalibrieren

Einige hundert gelabelte Beispiele passen die Sicherheit des Modells an die Wirklichkeit an, mit einem Bericht über Genauigkeit und Fehler pro Feld.

Absichern

Oberhalb einer Schwelle automatisch entscheiden, den Rest an einen Menschen geben.

Kundennachrichten, 11 Kategorien, Modell mit 1,5 Mrd. Parametern: 93,7 % Genauigkeit nach Kalibrierung; bei Schwelle 0,9 werden 71 % automatisch entschieden, davon 99,5 % richtig.