Menu
系统化代码分析技能，用于代码质量评估、技术债务识别、性能优化分析和架构重构评估。采用"总-分-总"结构化分析方法，支持多轮迭代分析，生成量化指标和改进建议。适用于需要进行代码审查、系统分析、重构规划等场景。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
审计项目的 AI agent harness 配置，评估完备性和合理性，检测反模式，给出优先级排序的改进建议。当用户想要审查 harness 配置、询问 harness 质量，或说"harness audit"、"检查harness"、"harness评分"、"harness检查"时使用。
端到端 HTML 讲稿流水线技能，适用于”上下文过长””分镜拆分””并行生成””风格控制”等超过 10 页的 HTML 演示任务。采用网站骨架输出模式（CSS 三层架构 + hash 路由 + 自适应缩放），支持一键导出 HTML 和 PPTX。强调分镜先行、风格契约、舞台比例可配置（16:9/4:3/16:10/adaptive）、版本递增与样式多样性。
将HTML幻灯片演示文稿截图并生成PPTX文件。当用户需要把HTML slides导出为PPT、将HTML演示文稿转成PPTX、对HTML幻灯片逐页截图打包时激活。Convert HTML slide decks to PPTX by screenshotting each slide and assembling into a PowerPoint file. Activates when user needs to export HTML slides to PPT, convert HTML deck to .pptx, screenshot HTML presentation pages.
测量 HTML 演示文稿每页的空间利用率，找到过于空旷的页面。使用 Playwright 渲染 + 网格采样方法。当用户想检查页面密度、找空白页面、优化页面布局或询问"空间利用率"时使用。
使用 Scrapling 抓取、清洗、分析网页并生成结构化数据或中文报告。适用于 scrape / crawl / fetch / extract / summarize 网站内容、profile/activity feed、回答/文章/帖子列表、近 1 年动态、批量网页调研，以及用户明确提到 401/403、反爬、Cloudflare、登录受限、signin/login、need_force_login、需要 cookies/token、动态渲染、滚动加载、批量抓取、站点主题分析、网页证据收集等场景。特别适合知乎、专栏、公众号、博客、列表页+详情页链路。核心使用场景：批量采集多页/多站内容、突破访问受限（403/Cloudflare/反爬屏蔽）、抓取需要鉴权（login/cookie/token）的页面。
系统化版本对比和变更分析。当用户需要版本对比、变更分析、更新日志生成、版本差异比较、升级影响评估时激活。Systematic version comparison and change analysis. Activates when user needs version comparison, change analysis, update log generation, version diff, or upgrade impact assessment.
| name | analysis_code |
| description | 系统化代码分析技能，用于代码质量评估、技术债务识别、性能优化分析和架构重构评估。采用"总-分-总"结构化分析方法，支持多轮迭代分析，生成量化指标和改进建议。适用于需要进行代码审查、系统分析、重构规划等场景。 |
版本: 1.2.0 | 基于: Copilot工作流系统 analysis_system
本技能提供系统化的代码分析能力，帮助 Copilot 执行专业的代码质量评估、技术债务识别和性能优化分析。采用"总-分-总"的结构化分析方法，确保分析的系统性和可追溯性。
本技能采用三阶段分析流程：
阶段一：总体规划（总）
↓
阶段二：循环分析（分）→ 可多轮迭代
↓
阶段三：汇总报告（总）
目标: 建立分析框架和总体计划
步骤:
输出:
阶段一交互确认（ask_questions，替代暂停点）:
是否批准分析计划？批准自定义（由用户填写调整项）ask_questions 执行，不使用开放式“暂停等待输入”每轮分析包含以下步骤：
创建轮次分析的目录结构，第一轮命名为 1_初始质量评估
使用 round-plan.md 明确本轮分析目标
基于收集的数据确定本轮重点分析内容
使用 round-analysis-report.md 生成轮次报告
提出针对性改进建议，评估可行性
当第1轮（如 1_初始质量评估）完成后，进入后续轮次前必须执行以下流程：
列出候选分析方向/模块
方向/模块名称、分析目标、预期产出使用 ask_questions 工具向用户确认
ask_questions 展示候选项供用户选择基于确认结果规划后续轮次
在第1轮确认后，若需要并行深入分析，允许创建多个 sub-agent 分别负责不同方向/模块。
推荐目录命名方式：subagent_{序号}_{方向或模块名}（如：subagent_01_订单模块、subagent_02_性能热点）
轮次结束交互确认（ask_questions，替代暂停点）:
本轮分析完成，下一步如何进行？继续下一轮 / 进入汇总报告 / 自定义（由用户填写）ask_questions 获取决策，再进入下一动作目标: 整合所有轮次结果，生成完整分析报告
输出:
使用 code-metrics-collector.py 收集代码指标：
python tools/code-metrics-collector.py --project-path "项目路径" --output-format json
（可选）如项目中存在 generate-analysis-report.ps1 脚本，可用于生成报告：
./tools/generate-analysis-report.ps1 -ProjectPath "项目路径" -ReportType "comprehensive"
分析任务的标准目录结构：
tasks/
├── 项目名_分析主题/
│ ├── master_plan/ # 总体规划和汇总
│ │ ├── master_analysis_plan.md
│ │ ├── final_analysis_report.md
│ │ └── executive_summary.md
│ ├── 1_初始质量评估/ # 第1轮分析
│ │ ├── summary/ # 核心输出
│ │ ├── reports/ # 详细报告
│ │ ├── metrics/ # 量化数据
│ │ └── analysis/ # 分析过程
│ ├── 2_并行专项分析/ # 第2轮（示例：多 sub-agent 并行）
│ │ ├── coordinator/ # 主代理：方向清单、ask_questions确认记录、汇总
│ │ ├── subagent_01_模块A/
│ │ │ ├── task.md # sub-agent任务定义
│ │ │ ├── process.md # 分析过程记录
│ │ │ ├── report.md # 分析报告
│ │ │ └── artifacts/ # 指标、图表、中间产物
│ │ ├── subagent_02_模块B/
│ │ │ ├── task.md
│ │ │ ├── process.md
│ │ │ ├── report.md
│ │ │ └── artifacts/
│ └── N_具体任务名/ # 后续轮次
ask_questions 做选择式确认用户请求:
我想对这个Python项目进行代码质量分析，重点关注可维护性和技术债务
Copilot响应流程:
ask_questions 确认（批准/自定义）用户请求:
我准备重构这个模块，需要先进行分析评估
Copilot响应流程:
ask_questions 选择式确认，提升交互效率与一致性ask_questions 与用户确认，再进入并行深入分析为保证流程一致性，建议在以下节点使用标准问题卡片：
阶段一结束
是否批准分析计划？批准 / 自定义（由用户填写）第一轮结束（分流）
请选择后续拟深入分析的方向/模块（可多选，可自定义）multiSelect=true，allowFreeformInput=true每轮结束
本轮分析完成，下一步如何进行？继续下一轮 / 进入汇总报告 / 自定义（由用户填写）