深度代码分析工具。分析代码架构、执行流程、数据流、业务规则、外部依赖、数据模型,支持 DDD 模式识别(聚合根、实体、值对象、领域服务、仓储、领域事件、限界上下文)。使用场景:新代码库熟悉、架构文档生成、代码审查准备、技术债务评估、知识传承、DDD 模式识别。支持 Python、JavaScript、TypeSc...
Code Analyzer - 深度代码分析是一项面向实际任务的技能,主要用于专业的深度代码库分析工具,超越表面指标,深入理解:;🏗️ 架构风格 - 识别 MVC、Clean Architecture、微服务等;
🔗 外部依赖 - API、数据库、第三方服务;📊 数据模型 - 实体、。它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。
实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
专业的深度代码库分析工具,超越表面指标,深入理解:
# 完整深度分析 python3 scripts/analyze.py --path /path/to/project --output report.md # DDD 专项分析 python3 scripts/ddd-analyzer.py --path /path/to/project --output ddd-report.md # 排除特定目录 python3 scripts/analyze.py --path . --exclude "node_modules,vendor,target" --output analysis.md
| 维度 | 说明 |
|---|---|
| 可维护性 | 代码结构、复杂度、可读性 |
| 可测试性 | 单元测试覆盖率、可测试程度 |
| 文档完整性 | 注释、文档覆盖率 |
| 复杂度 | 圈复杂度、耦合度 |
| 模式 | 识别能力 |
|---|---|
| 聚合根 | ✅ 识别一致性边界 |
| 实体 | ✅ 识别有身份的对象 |
| 值对象 | ✅ 识别不可变对象 |
| 领域服务 | ✅ 识别无状态业务逻辑 |
| 仓储 | ✅ 识别持久化抽象 |
| 领域事件 | ✅ 识别事件驱动模式 |
| 限界上下文 | ✅ 识别模块边界 |
# 代码分析报告 ## 执行摘要 - 总文件数:105 - 总代码行数:24,780 - 架构风格:Layered - 入口点:5 个 - 数据模型:45 个 - 业务规则:23 个 ## 质量指标 | 指标 | 评分 | 状态 | |------|------|------| | 可维护性 | 75/100 | 👍 | | 可测试性 | 82/100 | ✅ | | 文档完整性 | 68/100 | ⚠️ | | 复杂度 | 71/100 | 👍 | ## 发现的问题 ### 严重 (1) - 循环依赖:module_a ↔ module_b ### 主要 (3) - 高复杂度函数:calculate_score (复杂度=25) - 过大文件:admin.py (850 行)
| 语言 | 扩展名 | 分析深度 |
|---|---|---|
| Python | .py | 深度 (AST) |
| JavaScript | .js | 深度 |
| TypeScript | .ts | 深度 |
| Rust | .rs | 深度 |
| Java | .java | 中等 |
| Go | .go | 中等 |
| C/C++ | .c, .cpp | 基础 |
python3 scripts/analyze.py --path /new/project --output onboarding.md
python3 scripts/analyze.py --path . --output architecture.md
python3 scripts/analyze.py --path ./feature --output pr-analysis.md
python3 scripts/analyze.py --path . --exclude "tests" --output debt-review.md
python3 scripts/ddd-analyzer.py --path . --output ddd-analysis.md
Claude/Codex:
"分析这个代码库并解释: 1. 主要入口点是什么? 2. 核心数据模型有哪些? 3. 编码了哪些业务规则? 4. 数据如何在系统中流动?"
AI 会:
详见 references/best-practices.md:
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134万人学习
共49课时 | 82.5万人学习