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，分析并比较开发者的提交习惯、工作模式、开发效率、代码风格、代码质量和懈怠指数。为每位开发者提供直率、数据驱动的评估，包括分数、等级、优势、劣势和可操作建议。以Markdown/HTML/JSON/PDF格式输出结构化报告。

💬 自然语言（推荐）

您无需记忆任何命令——只需用您自己的语言描述您的需求：

🇺🇸 英语

💬 "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"

🇯🇵 日语

💬 "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"

🇰🇷 韩语

💬 "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"

🇪🇸 西班牙语

💬 "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?"
💬 "Genera un informe de evaluación completo de los desarrolladores"

🇫🇷 法语

💬 "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"

🇩🇪 德语

💬 "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：您需要提供仓库路径（repo_path) — 这是一个必需参数。如果您已在代码仓库上下文中操作，智能体或许能从对话中推断出路径，但为了准确性，始终建议明确指定路径。

该技能理解上述所有语言。只需描述您的需求，它就会在您的代码仓库上运行分析并返回一份结构化报告。

---

🚀 快速开始 (CLI)

安装依赖项

pip install gitpython pydriller radon tabulate jinja2 click reportlab

为了获得更高质量的PDF输出（可选）：

pip install weasyprint   # Recommended, requires system cairo library
# or
pip install pdfkit       # Requires system wkhtmltopdf

常用命令

# Analyze a single repository (all contributors)
python -m src.main -r /path/to/repo

# Scan all repositories under a directory
python -m src.main -r /path/to/projects --scan-all

# Compare specific developers
python -m src.main -r /path/to/repo -a "Alice" -a "Bob"

# Specify date range + HTML output
python -m src.main -r /path/to/repo -s 2024-01-01 -u 2024-12-31 -f html -o report.html

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

# Generate PDF report only
python -m src.main -r /path/to/repo -f pdf -o report.pdf

# Save report to a file
python -m src.main -r /path/to/repo -o report.md

CLI 参数

参数	简写	描述	默认值
--repo-path	-r	Git仓库或父目录的路径	必需
--scan-all		递归扫描所有.git仓库	false
--author	-a	按作者筛选（可重复）	所有作者
--since	-s	开始日期 (ISO 格式)	无
--until	-u	结束日期 (ISO 格式)	无
--branch	-b	要分析的分支	活动分支
--format	-f	输出格式：markdown,json,html,pdf（多个选项用逗号分隔）	markdown
--输出	-o	输出文件路径	标准输出

---

使用场景

• 分析Git仓库中的开发者行为
• 比较团队成员的提交习惯和开发效率
• 了解代码质量趋势和风格一致性
• 批量分析目录下的所有.git仓库
• 生成工作习惯报告（活跃时段、周末/深夜编码、连续提交情况等）
• 通过评分、优势、不足和建议来评估每位开发者的综合能力
• 查看团队的“摸鱼指数”排行榜
• 生成正式的PDF报告以供审查

工作流程

步骤1：确认分析参数

向用户询问以下信息：

• 仓库路径：单个Git仓库路径，或包含多个仓库的父目录
• 扫描范围：是否扫描目录下的所有.git仓库（--scan-all）
• 目标作者：分析特定开发者（多选）或所有贡献者
• 日期范围：可选的开始/结束日期（ISO格式，例如：2024-01-01）
• 分支：要分析的分支；默认为当前活动分支
• 输出格式：markdown（默认）、json、html、pdf，或逗号分隔的组合

步骤 2：运行分析

使用已确认的参数执行分析脚本（命令示例请参见上方的“快速开始”）。

步骤3：解读报告

报告涵盖七个维度。请为用户逐一解读每个维度的关键发现：

1. 🏆 开发者评估— 总体评分（S/A/B/C/D/E/F）、优势、劣势、改进建议、一句话评价
2. 🐟 摸鱼指数— 活跃度、琐碎提交比例、消失比例、低产出、拖延信号
3. 📝 提交习惯— 提交频率、提交规模、合并比例、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、连续编码时段
5. 🚀 开发效率— 代码变更率、返工率、巴士因子、文件所有权
6. 🎨 代码风格— 语言分布、约定式提交规范遵循度、文件分类
7. 🔍 代码质量— Bug修复比例、回退频率、大型提交比例、测试覆盖率、复杂度

在多开发者分析中，额外包含以下部分：

• 📋 交叉对比汇总表
• 🏆 开发者得分排行榜
• 🐟 摸鱼指数排行榜

步骤四：深入解读评估结果

针对每位开发者的评估，向用户提供直白、不拐弯抹角的解读：

1. 得分与等级：总分（0-100）及对应等级（S/A/B/C/D/E/F）
2. 六维度得分：提交纪律、工作连续性、效率、代码质量、代码风格、参与度
3. 优势：每项优势均有具体数据支撑，而非泛泛表扬
4. 不足：不加修饰——直接指出问题及其影响
5. 改进建议：可立即执行的具体改进措施
6. 摸鱼指数：解读各项信号及其含义

可用资源

脚本

• src/main.py— 主入口点，支持命令行参数，协调完整分析流程并生成报告
• src/scanner.py— 仓库扫描器，发现单个或递归扫描多个Git仓库
• src/analyzers/base_analyzer.py— 基础分析器类，提供Git历史遍历和作者过滤功能
• src/analyzers/commit_analyzer.py— 提交习惯分析（频率、大小、提交信息质量）
• src/analyzers/work_habit_analyzer.py— 工作习惯分析（活跃时段、周末、深夜、连续工作）
• src/analyzers/efficiency_analyzer.py— 开发效率分析（代码变动、返工、巴士因子）
• src/analyzers/code_style_analyzer.py— 代码风格分析（语言分布、提交规范）
• src/analyzers/code_quality_analyzer.py— 代码质量分析（缺陷修复、撤销提交、复杂度）
• src/analyzers/slacking_analyzer.py— 摸鱼指数分析（活跃度、琐碎提交、消失模式、拖延症等）
• src/evaluator/developer_evaluator.py— 开发者评估引擎（综合评分、优势/劣势、建议、结论）
• 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（带有丰富的视觉样式）
• src/reporters/pdf_reporter.py— PDF报告生成器（支持weasyprint/pdfkit/reportlab备用方案）

参考文档

• references/metrics-guide.md— 指标定义、计算方法及健康值参考范围。当用户询问特定指标含义时，请阅读此文件。

⚠️ 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活动数据，包括但不限于：

• 提交时间戳（精确到小时）
• 周末/深夜编码频率
• 个人提交频率与产出量
• 代码归属权认定
• 懈怠指数与行为评估

使用前必须遵守以下原则：

1. 知情同意— 分析代码库前需获得所有相关开发者的明确同意
2. 非惩罚性使用— 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. 情境化理解— 数据必须在实际工作背景下解读（例如：架构师天然提交较少，这不代表低产出）
4. 数据保护— 生成的报告包含个人信息，应安全存储，不得公开分享
5. 合规性— 确保使用方式符合组织人力资源政策及当地数据保护法规（如GDPR）
6. 本地执行— 此工具完全在本地运行，不会向外部服务器传输任何数据

评估体系

总体评分（0-100）

等级	分数范围	含义
S	90-100	顶尖贡献者，各方面表现卓越
A	80-89	优秀开发者，可靠且高效
B	70-79	可靠贡献者，仍有小幅提升空间
C	60-69	表现合格，但需在多方面改进
D	50-59	勉强通过，存在明显短板
E	35-49	低于预期，需要引起重视
F	0-34	关键问题，需要指导或干预

六个维度权重

维度	权重	评估内容
📝 提交规范	15%	提交频率、提交信息质量、规范遵守情况
⏰ 工作稳定性	15%	日常规律性、工作持续性
🚀 效率	20%	代码变更率、返工率、产出量
🔍 代码质量	25%	缺陷修复率、回退率、测试覆盖率、复杂度
🎨 代码风格	10%	规范提交、关联问题引用
💪 参与度	15%	松懈指数反信号

松懈指数（0-100）

等级	分数范围	含义
🔥 工作狂	0-20	高度投入，持续贡献
✅ 正常	21-40	健康的工作模式
😏 可疑	41-60	检测到一些松懈信号
🐟 松懈高手	61-80	显著的低投入指标
🏆 松懈大师	81-100	专业级松懈

备注

• 分析大型代码库（10万次以上提交）可能耗时较长；建议限制日期范围
• Python代码复杂度分析取决于radon库且仅适用于.py文件
• 作者匹配支持模糊匹配（通过姓名或邮箱包含关键词进行匹配）
• 目录扫描默认最大深度为5层，以避免过度递归
• PDF生成优先使用weasyprint，其次回退到pdfkit，最终回退到reportlab
• 评估结果仅基于Git提交历史，不代表开发者的全部能力
• 懈怠指数仅供参考，应在实际工作背景下解读
• 此工具完全在本地运行，不会向任何外部服务器发送数据
• 分析团队仓库前，务必事先获得知情同意
• 报告结果不得直接用于绩效评估或惩罚性管理决策

... 结束

部分文章来自各大搜索引擎，如有侵权，请与我联系删除。