LicenseAiHelper是面向开源平台打造的智能化开源许可证合规性分析与推荐工具。项目由北京大学开源分析实验室成员研发，融合传统规则引擎与大模型的能力，为开源项目提供全方位的许可证智能服务。

LicenseAiHelper - 基于大模型的开源软件合规性分析工具

核心功能

🔍 智能合规性分析

为平台的开源项目提供专业的合规性检测：

依赖解析与检测

完整依赖识别：支持直接与间接依赖解析（精确到版本）
多语言支持：覆盖Python、Java、JavaScript等主流开发语言
自动冲突检测：识别项目许可证与依赖许可证的不兼容问题
组件级分析：检测项目内部组件之间的许可证冲突

AI增强分析能力

利用大模型深度理解许可证条款语义
智能识别复杂的许可证兼容性关系
自动生成通俗易懂的合规性分析报告
提供法律条款的智能解读和风险提示

💡 AI智能许可证推荐（基于大模型）

结合项目特征与大模型(GPT-4.1)的决策能力：

多维度分析：综合考虑商业模式、社区发展、技术栈等因素
个性化推荐：基于项目实际需求生成定制化推荐方案
智能对话引导：通过交互式对话深入了解项目需求
详细推荐理由：AI自动生成清晰的推荐依据和使用建议

⚙️ 智能冲突消解

基于约束求解技术与AI推理，提供最优消解方案：

SMT-Solver求解：使用约束求解器生成合规的依赖树
最小代价方案：给出依赖迁移、升降级、删除等最优操作建议

技术架构

AI模型

大模型(GPT-4.1)：提供许可证语义理解、智能推荐、报告生成能力

后端服务

Python 3.10+ & Flask框架
Z3 SMT-Solver：依赖约束求解
Scancode-toolkit：许可证扫描
Libraries.io：依赖数据源

数据资源

PyPI生态依赖数据（截止2024.6.19）
完整开源许可证知识库
SPDX许可证兼容性矩阵

应用价值

对开源平台的价值

提升平台专业度：为平台提供业界领先的许可证合规服务
降低法律风险：帮助平台项目规避许可证合规风险
优化用户体验：通过AI技术简化许可证选择和理解流程
促进生态发展：推动平台开源项目的规范化发展

对开发者的价值

降低学习成本：AI生成的分析报告帮助开发者快速理解许可证
减少决策困难：智能推荐帮助开发者选择合适的许可证
避免合规陷阱：自动化检测防止无意中违反许可证条款
节省时间成本：智能消解方案快速解决依赖冲突

创新亮点

1. 大模型 + 规则引擎混合架构

传统规则引擎保证合规检测的准确性和可靠性
大模型提供灵活的语义理解和智能推理能力
AI增强的分析报告让复杂的法律条款变得易懂
两者优势互补，实现精确检测与智能分析的完美结合

2. 端到端的许可证管理方案

从理解、选择到检测、消解的完整闭环
覆盖许可证生命周期的各个阶段
一站式解决开源项目的许可证问题

3. 精确到版本的依赖分析

业界首创的包版本级合规检测
基于SMT-Solver的精确约束求解
识别隐藏的间接依赖风险

4. AI增强的智能化体验

自动生成通俗易懂的合规性分析报告
智能推荐系统理解项目需求并给出最优建议
法律条款的智能解读降低理解门槛

快速开始

环境要求

Python 3.10+
CUDA 12.1+

安装部署

详细部署说明请参见 DEPLOY.md

在线体验

项目主页：https://licenserec-ai.osslab.org

合规分析：https://licenserec-ai.osslab.org/#/compliance

  示例：选择`gitlink`平台，输入用户名`zhcxww`,仓库名`test_project`，点击上传！

AI推荐：https://licenserec-ai.osslab.org/#/rec

演示视频

📺 完整功能演示视频可于b站在线观看LicenseAiHelper-bilibili

演示内容包括：

项目依赖合规性分析（含AI增强分析）
AI个性化许可证推荐流程
冲突检测与智能消解

学术成果

本项目相关核心技术已发表于软件工程领域国际顶级会议：

ICSE’23 DEMO Track
LicenseRec: Knowledge based Open Source License Recommendation for OSS Projects
ASE’23
Understanding and Remediating Open-Source License Incompatibilities in the PyPI Ecosystem
ICSE’26 Small Changes, Big Trouble: Demystifying and Parsing License Variants for Incompatibility Detection in the PyPI Ecosystem