Agent Skills
返回列表
智能代码重构建议器

智能代码重构建议器

开发编程 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_92725383/smart-refactoring-advisor。

技能介绍

典型痛点

维护老模块时,你最常遇到的往往不是「能不能跑」,而是 方法越叠越长、类里塞满无关职责、条件分支复制粘贴好几处。人工翻代码只能靠经验猜优先级,很难系统对照 SOLID 或 Fowler 书里那类 反模式(God Class、Long Method、重复代码)给出可落地的改法。

技能如何工作

该技能把重构流程拆成五步:代码分析 → 问题排序 → 方案生成 → 执行监控 → 结果验证。

在分析阶段,会对 target_path 指向的文件或目录做 AST 解析,并计算圈复杂度、方法长度、类规模、参数个数与嵌套深度;同时扫描 God Object、Long Parameter List、Dead Code 等反模式,并评估 SRP、OCP、LSP、ISP、DIP 的符合度,产出 analysis_report.json。

排序阶段用「影响范围 × 业务价值 / 修复复杂度」打分,把问题分到 Quick Wins、Planned Efforts、Technical Debts 三档,写入 prioritized_issues.json。

方案阶段按问题类型匹配策略(如 Long Method 用 Extract Method、重复代码用上移/模板方法、复杂条件考虑 多态替换条件),在 refactoring_plan.md 里给出步骤、文件行号、重构前后片段与测试要求。后续可配合 dry_run / auto_fix 做执行跟踪与指标对比,输出 execution_report.md 与 final_report.md。

适用边界

  • 重构前应有足够 单元测试,技能强调小步改动、每步验证。
  • 支持 Python、Java、JavaScript/TypeScript、Go、C/C++ 等语言的 AST 链路,但具体自动修复能力取决于语言与 auto_fix 设置。
  • 可用 .refactoring-rules.yaml 覆盖阈值;focus_issues 可只盯某几类问题,避免一次铺开整个仓库。

使用场景

  • 接手一个 500+ 行的订单处理类,需要按 Long Method / God Class 拆出可测小方法
  • 技术债评审前要导出圈复杂度与 SOLID 违反点,并排出 Quick Wins 清单
  • 两处分支逻辑相似度超 70%,想对照技能生成 Extract Method 或上移方法的具体步骤
  • 重构进行中逐步核对每步是否通过单测,并更新 execution 状态报告

适合人员

  • 维护单体后端、每周要改同一巨型 Service 类的后端工程师
  • 带新人做 Code Review、需要把反模式名称对应到具体改法的 Tech Lead
  • 准备拆分模块前要做优先级排序的技术债 Owner
  • 多语言仓库维护者,希望用统一阈值分析 Python/Java/Go 目录