代码分析技能

📦 GitHub: https://github.com/Wscats/code-analysis-skills

扫描指定的仓库或包含 Git 仓库的目录，分析并对比开发者的提交习惯、工作模式、研发效率、代码风格、代码质量及“摸鱼指数”。为每位开发者提供直白、数据驱动的评估结果，包括得分、等级、优势、短板及可落地的改进建议。支持输出结构化报告：Markdown / HTML / JSON / PDF。

💬 自然语言（推荐）

无需记忆任何命令——只需用你自己的语言描述需求即可：

🇺🇸 英文

💬 "Analyze Alice's development efficiency in /path/to/repo"
💬 "Show me the team's work habits in this project"
💬 "Compare Alice and Bob's code quality"
💬 "What's the slacking index of this project?"
💬 "Generate a full developer evaluation report"
💬 "Score all developers and tell me who's slacking"
💬 "What's wrong with Bob's commit habits?"
💬 "Here's my repo, can you analyze the team?"

🇨🇳 中文

💬 "分析一下这个仓库 Alice 的研发效率"
💬 "帮我看看团队成员的工作习惯"
💬 "对比一下 Alice 和 Bob 的代码质量"
💬 "看看这个项目的摸鱼指数"
💬 "给所有开发者做个完整评估打分"
💬 "谁的代码质量最差？帮我分析下"
💬 "最近一个月团队的提交习惯怎么样？"
💬 "这个仓库有什么问题？帮我诊断下"

🇯🇵 日本語

💬 "このリポジトリの開発者効率を分析してください"
💬 "チームメンバーの作業習慣を見せてください"
💬 "AliceとBobのコード品質を比較してください"
💬 "このプロジェクトのサボり指数は？"
💬 "全開発者の評価レポートを作成してください"

🇰🇷 한국어

💬 "이 레포지토리의 개발 효율성을 분석해줘"
💬 "팀원들의 작업 습관을 보여줘"
💬 "Alice와 Bob의 코드 품질을 비교해줘"
💬 "이 프로젝트의 땡땡이 지수가 뭐야?"
💬 "모든 개발자에 대한 평가 보고서를 만들어줘"

🇪🇸 Español

💬 "Analiza la eficiencia de desarrollo de Alice en este repositorio"
💬 "Muéstrame los hábitos de trabajo del equipo"
💬 "Compara la calidad del código de Alice y Bob"
💬 "¿Cuál es el índice de holgazanería de este proyecto?"
💬 "Génere un informe de evaluación completo de los desarrolladores"

🇫🇷 Français

💬 "Analyse l'efficacité de développement d'Alice dans ce dépôt"
💬 "Montre-moi les habitudes de travail de l'équipe"
💬 "Compare la qualité du code d'Alice et de Bob"
💬 "Quel est l'indice de paresse de ce projet ?"
💬 "Génère un rapport d'évaluation complet des développeurs"

🇩ე Deutsch

💬 "Analysiere die Entwicklungseffizienz von Alice in diesem Repository"
💬 "Zeig mir die Arbeitsgewohnheiten des Teams"
💬 "Vergleiche die Codequalität von Alice und Bob"
💬 "Was ist der Faulenzer-Index dieses Projekts?"
💬 "Erstelle einen vollständigen Bewertungsbericht für alle Entwickler"

注意：你必须提供仓库路径（repo_path）——这是必需参数。若当前已在某个仓库上下文中运行，Agent 可能根据对话推断路径，但为确保准确性，仍强烈建议显式指定路径。

该技能支持上述全部语言。只需自然描述你的需求，它将自动在你的仓库上执行分析，并返回结构化报告。

🚀 快速开始（CLI）

安装依赖

pip install gitpython pydriller radon tabulate jinja2 click reportlab

如需更高品质的 PDF 输出（可选）：

pip install weasyprint   # 推荐，需系统级 cairo 库支持
# 或
pip install pdfkit       # 需系统级 wkhtmltopdf 支持

常用命令

# 分析单个仓库（所有贡献者）
python -m src.main -r /path/to/repo

# 扫描目录下所有仓库
python -m src.main -r /path/to/projects --scan-all

# 对比特定开发者
python -m src.main -r /path/to/repo -a "Alice" -a "Bob"

# 指定日期范围 + HTML 输出
python -m src.main -r /path/to/repo -s 2024-01-01 -u 2024-12-31 -f html -o report.html

# 同时生成 Markdown + HTML + PDF
python -m src.main -r /path/to/repo -f "markdown,html,pdf" -o report

# 仅生成 PDF 报告
python -m src.main -r /path/to/repo -f pdf -o report.pdf

# 将报告保存至文件
python -m src.main -r /path/to/repo -o report.md

CLI 参数说明

典型应用场景

• 分析 Git 仓库中开发者的协作行为
• 对比团队成员的提交习惯与研发效率
• 识别代码质量趋势与风格一致性
• 批量分析指定目录下的所有 .git 仓库
• 生成工作习惯报告（活跃时段、周末/深夜编码比例、连续编码天数等）
• 基于多维度评分、优势/短板识别及可执行建议，全面评估每位开发者综合能力
• 查看团队“摸鱼指数”排行榜
• 生成正式 PDF 报告用于评审场景

工作流程

步骤 1：确认分析参数

向用户确认以下信息：

• 仓库路径：单个 Git 仓库路径，或包含多个仓库的父目录路径
• 扫描范围：是否启用 --scan-all 选项，递归扫描目录下所有 .git 仓库
• 目标作者：指定分析若干开发者（支持多选），或默认分析所有贡献者
• 时间范围：可选的起止日期（ISO 格式，例如 2024-01-01）
• 分支：待分析的分支，默认为当前活跃分支
• 输出格式：支持 markdown（默认）、json、html、pdf，或以逗号分隔的组合格式

步骤 2：执行分析

使用已确认的参数运行分析脚本（参见上方“快速开始”中的命令示例）。

步骤 3：解读报告

报告涵盖七大分析维度。请逐项向用户说明关键发现：

1. 🏆 开发者综合评估 —— 总体得分（S/A/B/C/D/E/F）、优势、短板、改进建议、一句话结论
2. 🐟 摸鱼指数 —— 活跃度、琐碎提交占比、失联率、低产出信号、拖延迹象
3. 📝 提交习惯 —— 提交频率、单次提交规模、合并提交占比、提交信息质量
4. ⏰ 工作习惯 —— 活跃时段分布、周末/深夜编码比例、连续编码天数
5. 🚀 研发效率 —— 代码扰动率（churn rate）、返工率（rework rate）、巴士因子（Bus Factor）、文件所有权
6. 🎨 代码风格 —— 编程语言分布、Conventional Commits 规范符合度、文件类型分类
7. 🔍 代码质量 —— Bug 修复占比、回退（revert）频率、大提交占比、测试覆盖率、复杂度指标

针对多开发者分析，额外包含以下部分：

• 📋 跨开发者对比汇总表
• 🏆 开发者得分排行榜
• 🐟 摸鱼指数排行榜

步骤 4：深入解读评估结果

对每位开发者的评估结果，向用户提供直截了当、不加修饰的解读：

1. 得分与等级：总分（0–100 分）及对应等级（S/A/B/C/D/E/F）
2. 六大维度得分：提交纪律性、工作一致性、研发效率、代码质量、代码风格、参与度
3. 优势：每项均需有具体数据支撑，避免空泛表扬
4. 短板：不回避问题，直接指出缺陷及其实际影响
5. 改进建议：可立即执行的具体行动项
6. 摸鱼指数解读：逐项解释各信号含义及上下文背景

可用资源

脚本列表

• src/main.py —— 主入口，支持 CLI 参数解析，协调完整分析流水线并生成报告
• src/scanner.py —— 仓库扫描器，支持单仓库发现或递归扫描多个 Git 仓库
• src/analyzers/base_analyzer.py —— 基础分析器类，提供 Git 历史遍历与作者过滤能力
• src/analyzers/commit_analyzer.py —— 提交习惯分析（频率、规模、信息质量）
• src/analyzers/work_habit_analyzer.py —— 工作习惯分析（活跃时段、周末/深夜编码、连续编码天数）
• src/analyzers/efficiency_analyzer.py —— 研发效率分析（扰动率、返工率、巴士因子）
• src/analyzers/code_style_analyzer.py —— 代码风格分析（语言分布、提交规范符合度）
• src/analyzers/code_quality_analyzer.py —— 代码质量分析（Bug 修复、回退、复杂度）
• src/analyzers/slacking_analyzer.py —— 摸鱼指数分析（活跃度、琐碎提交、失联模式、拖延信号等）
• src/evaluator/developer_evaluator.py —— 开发者评估引擎（综合打分、优势/短板识别、建议生成、结论判定）
• src/reporters/markdown_reporter.py —— Markdown 报告生成器
• src/reporters/json_reporter.py —— JSON 报告生成器
• src/reporters/html_reporter.py —— HTML 报告生成器（含丰富可视化样式）
• src/reporters/pdf_reporter.py —— PDF 报告生成器（支持 weasyprint / pdfkit / reportlab 多级降级策略）

参考文档

• references/metrics-guide.md —— 指标定义、计算方法及健康值参考区间。当用户询问某项指标含义时，请查阅此文件。

⚠️ 隐私与数据安全声明

重要提示：本工具从 Git 提交历史中提取开发者个人行为数据，包括但不限于：

• 提交时间戳（精确到小时）
• 周末/深夜编码频次
• 个人提交频次与产出量
• 代码归属关系
• 摸鱼指数与行为评估结果

使用前，你必须严格遵守以下原则：

1. 知情同意 —— 在分析任何仓库前，须获得相关开发者的明确知情同意
2. 非惩罚性用途 —— 分析结果不得直接用于绩效考核、薪酬决策或惩罚性管理
3. 结合实际语境理解 —— 数据需置于真实工作场景中解读（例如：架构师天然提交较少，并不意味着产出低下）
4. 数据保护 —— 生成的报告含个人信息，须安全存储，禁止公开分享
5. 合规性 —— 使用方式须符合组织 HR 政策及本地数据保护法规（如 GDPR）
6. 本地执行 —— 本工具完全在本地运行，不向任何外部服务器传输数据

评估体系

总体得分（0–100 分）

六大维度权重

摸鱼指数（0–100 分）

注意事项

• 分析超大仓库（10 万+ 提交）可能耗时较长；建议限制时间范围以提升效率
• Python 代码复杂度分析依赖 radon 库，仅适用于 .py 文件
• 作者匹配支持模糊匹配（名称或邮箱中包含关键词即视为匹配）
• 目录扫描默认最大递归深度为 5 层，防止过度遍历
• PDF 生成优先使用 weasyprint，失败后降级至 pdfkit，最终降级至 reportlab
• 评估结果仅基于 Git 提交历史，不能代表开发者的全部能力
• 摸鱼指数仅为参考指标，须结合实际工作场景进行解读
• 本工具完全本地运行，不向任何外部服务器发送数据
• 分析团队仓库前，务必取得所有相关人员的知情同意
• 分析报告严禁直接用于绩效考核或惩罚性管理决策

... EOF