Synapse Code 开发工作流

问题：代码写完了，上下文却跟着会话消失

日常开发里，Pipeline 能帮你交付改动，但「为什么这样改」「动到了哪些调用链」「上次踩过的坑」往往只留在聊天记录里。团队接手或隔几周再改同一模块时，只能靠回忆或手动 grep，影响分析也缺少统一入口。

技能如何工作

Synapse Code 把「跑 Pipeline」和「写进项目记忆」绑在同一条链路上，并内建 GitNexus 做代码图谱。

• 项目初始化：检测 .git/，通过 scaffold.py 创建 .knowledge/、.synapse/，执行 gitnexus analyze --force 建图，并创建 pipeline 项目。
• Pipeline 封装：run_pipeline.py 提供简洁的 pipeline run 流程；成功后若开启 pipeline.auto_log，会读 /tmp/pipeline_summary.json（或配置的 paths.pipeline_summary），由 auto_log_trigger.py / 内置 auto_log.py 写入 memory。
• 任务与查询：infer_task_type.py 根据需求描述推断 task_type；check_status.py 看项目状态；query_memory.py 查历史记录。
• 影响分析：依赖 GitNexus 引擎做影响范围与调用链追踪，改代码前可先查图谱，而不是纯靠人工追引用。

配置在 ~/.claude/skills/synapse-code/config.json：pipeline.workspace（默认 ~/pipeline-workspace）、paths.pipeline_script 等需与实际 Pipeline 引擎（如工作区里的 pipeline.py）对齐。

适用边界

• 初始化会检测 .knowledge/、.synapse/、.gitnexus/ 等目录是否已存在；Pipeline 与 auto-log 依赖你本机已部署的 Pipeline 工作区与摘要 JSON 路径，不是无头云端服务。
• 知识沉淀质量取决于 Pipeline 摘要内容与 auto-log 逻辑；图谱能力以 GitNexus 分析结果为准，超大或非常规仓库需自行验证 analyze 耗时与准确度。