源码分析

要解决什么问题

闭源的 AI 编程与 Agent 产品（如 Claude Code、Cursor、Copilot）往往只暴露行为，不公开系统提示词、工具 Schema 与权限模型。若你想做竞品对比、复现某类工具链设计，或从已发布的 npm/PyPI 包里还原实现细节，手工翻仓库、解包、搜字符串的成本很高，且缺少统一报告结构。

技能如何工作

本技能把「源码分析」拆成可重复的多阶段流程：

1. 信息收集：探索目标 GitHub 仓库；按需下载 npm 包（必要时延伸到 PyPI 等分发形态）。
2. 二进制提取：当产物是编译后的原生二进制时，用 strings、grep 等方式做近似文本提取（环境无 strings 时可改用 grep -aoP）。
3. 工具定义分析：从 TypeScript 声明（如 sdk-tools.d.ts）梳理工具名、输入/输出 Schema、权限与并发相关标记。
4. 报告生成：输出结构化 Markdown，覆盖架构概览、系统提示词片段、工具列表、权限与记忆/上下文机制、插件扩展、配置与环境变量，以及可借鉴的设计模式。

中间产物建议落在 /tmp/，最终报告写入工作区：{workspace}/source-analysis-{project-name}.md。

适用边界与注意点

• GitHub API 可能限流，优先走 raw.githubusercontent.com 拉原始文件。
• 闭源二进制的 grep/strings 结果是近似的，文本可能碎片化；提示词也可能是运行时拼接，提取到的常是片段而非完整系统提示。
• 分析结论适合作为工程调研输入，不宜当作官方文档或法律意义上的「源码还原」。