可使用vulture、pyflakes、pylint、自定义ast解析器或coverage工具识别python死代码：vulture基于ast扫描未用符号；pyflakes检测局部未用变量；pylint启用对应检查项；ast解析器定向追踪函数定义与调用；coverage结合测试识别未执行函数。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在开发 Python 项目时希望识别出从未被调用的函数和未被引用的变量，即 Dead Code，Trae 并非一个标准或广泛认知的静态分析工具；当前主流生态中并无名为“Trae”的成熟代码检测工具。以下提供多种可直接落地的替代方案，用于精准识别 Python 项目中的 Dead Code。
一、使用 vulture 工具进行轻量级死代码扫描
vulture 是专为 Python 设计的静态 Dead Code 检测器，它通过抽象语法树（AST）分析识别未使用的变量、函数、类、属性和导入项，不依赖运行时执行，适合快速排查。
1、在终端中执行 pip install vulture 安装工具。
2、进入项目根目录后，运行 vulture . --min-confidence 80 扫描全部 Python 文件，置信度阈值设为 80 以减少误报。
3、若需排除特定文件夹，添加 --min-confidence 100 --exclude tests/,migrations/ 参数跳过测试与迁移目录。
二、结合 pyflakes 与 unused-arguments 插件增强变量级检测
pyflakes 本身不报告未使用变量，但配合定制化插件或封装脚本可扩展其能力；其优势在于不执行代码、无副作用，且能捕获局部作用域内未使用变量的明确信号。
1、安装基础工具：pip install pyflakes。
2、运行 pyflakes your_module.py，观察输出中含 local variable 'x' is assigned to but never used 类似提示的行。
3、对整个项目批量检测，使用 shell 命令：find . -name "*.py" -not -path "./venv/*" -exec pyflakes {} \;。
三、利用 pylint 的 unused-argument 和 unused-variable 检查项
pylint 内置高精度未使用符号检测机制，通过 AST 遍历标记所有未读取变量、未调用函数定义（含私有方法），并支持按严重等级过滤结果。
1、安装 pylint：pip install pylint。
2、创建配置文件 .pylintrc，在 [MESSAGES CONTROL] 段落启用：enable=unused-argument,unused-variable,unused-wildcard-import。
3、执行 pylint --rcfile=.pylintrc --disable=all --enable=unused-variable,unused-argument src/ 仅聚焦 Dead Code 相关警告。
四、借助 AST 解析器编写自定义检测脚本
当项目存在高度动态调用（如 getattr、字符串函数名拼接、装饰器注册等），通用工具易漏检；此时可基于 ast 模块构建定向分析器，精确追踪函数定义与显式调用点。
1、新建 deadcode_detector.py，导入 import ast 与 sys。
2、定义类 DeadCodeVisitor(ast.NodeVisitor)，重写 visit_FunctionDef 记录所有函数名到 defined_funcs 集合。
3、重写 visit_Call 提取 node.func.id（简单调用）或 node.func.attr（属性访问），存入 called_names 集合。
4、遍历结束后输出 defined_funcs - called_names 中的函数名列表。
五、运行时覆盖率辅助验证（针对函数级）
静态分析无法覆盖反射调用或插件式架构，此时可结合单元测试运行 + coverage 工具，识别在完整测试套件下从未被执行的函数体，作为 Dead Code 的强证据。
1、安装 coverage：pip install coverage。
2、执行 coverage run -m pytest tests/ 运行全部测试并收集行覆盖数据。
3、生成详细报告：coverage report -m，定位标记为 blank 或 missing 的函数首行——该函数体未被任何测试路径执行。
