代码分析工具包
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 @zcwl/code-analysis-toolkit。
技能介绍
要解决什么问题
个人或团队在回顾开发节奏时,往往要把 Git 活动、代码变更习惯和审查结论从日志与 diff 里手工拼出来;依赖漏洞扫描、批量审查报告和复杂度分析则通常分散在多套工具里,集成到流水线还要单独写脚本。这个技能把「基于 Markdown 的步骤 + Agent 侧执行」收成一条可配置的工作流,用统一输入参数驱动各步处理。
技能如何工作
技能分类为 MD+execute():在支持 SKILL.md 的 Agent(如 Cursor、Claude Code)里,由内置或自配的 LLM 按文档步骤处理内容。常用入参包括 content(待分析文本或代码上下文)、mode(json / text / markdown 输出)、max_retries 与 skip_steps(断点续传)。免费版覆盖基础工作流能力;付费版额外提供代码静态分析与质量评分、依赖缺陷检测与升级建议、批量代码审查与报告生成、CI/CD 流水线集成、代码复杂度可视化与重构建议。资料中的适用场景包括:开发者复盘 本人 提交节奏、经全员同意的团队 Git 活动回顾、维护者分析 公开仓库 的贡献模式,以及在合规前提下研究公开仓库的研究者。
适用边界与注意点
涉及发布、合规或人事类关键决策时仍需人工复核,自动化结果不能替代拍板。API Key 应通过环境变量配置,勿写入版本库;输出质量依赖所选模型(文档推荐 GPT-4、GLM-4、DeepSeek 等)。超大代码库可能占用较多内存,宜分块处理;不同操作系统下命令行行为可能略有差异。
使用场景
- 维护者在公开项目上汇总贡献者提交频率与变更集中区域,用于季度复盘而非针对个人考核
- 经全体成员同意的团队回顾会前,把各成员 Git 活动摘要成可讨论的 Markdown 报告
- 在合并请求前对指定目录做批量审查要点整理,付费能力可生成结构化报告
- 流水线里挂载分析步骤,在构建阶段触发依赖缺陷检测与升级建议
适合人员
- 维护大型公开仓库、需要定期从 Git 历史里归纳贡献模式而非人肉翻 log 的开源维护者
- 希望用 opt-in 方式做工程文化回顾、又要把活动数据整理成可读摘要的技术负责人
- 负责供应链安全、要把依赖漏洞扫描结果与升级建议纳入发布节奏的 DevSecOps 工程师
- 个人开发者想对照自己的提交节奏与改码习惯,在本地 Agent 里用统一参数反复试跑分析流程