dep-graph

name	dep-graph
description	Build file-level dependency graphs from AST analysis results using NetworkX. Automatically detect module boundaries via Louvain community detection. Calculate reuse scores and identify leaf/hub nodes for extraction planning. Triggers: 依赖图, 模块检测, 社区检测, depgraph, module boundary, 复用性评分
description_zh	从 AST 数据构建依赖图，自动检测模块边界
description_en	Build dependency graphs, detect module boundaries

Dep Graph

核心问题: 哪些文件可以被安全地单独提取？哪些是核心枢纽？

方法论

三步走

1. 构图 — 从 import 语句构建 file→file 有向图
         (区分内部依赖 vs 外部依赖，只关注内部)

2. 检测 — Louvain 社区检测自动发现模块边界
         (同一社区的文件高度耦合，不同社区松耦合)

3. 评分 — 计算每个文件的复用价值
         (被依赖多 + 自身依赖少 = 高复用价值)

关键指标

指标	公式	含义	行动
reuse_score	in / (in + out)	复用价值	高分 → 值得提取
leaf_node	out_degree == 0	零内部依赖	最容易单独提取
hub_node	in_degree Top 5%	核心枢纽	不建议单独提取

决策指南

reuse_score > 0.7 + leaf_node  → 🟢 提取首选
reuse_score > 0.5              → 🟡 可以提取，需检查依赖链
reuse_score < 0.3              → 🔴 依赖太多，考虑安装型
hub_node                       → ⛔ 核心枢纽，不建议单独拆

使用

cd c:/Users/40270/.workbuddy/skills/repo-reuse-flow

.venv\Scripts\python.exe skills/dep-graph/scripts/build_dep_graph.py \
  outputs/03_analysis/structures/repo_structure.json \
  -o outputs/04_depgraph/repo_depgraph.json

输出格式

{
  "nodes": {
    "core/retrievers.py": {
      "in_degree": 12,
      "out_degree": 3,
      "external_deps": ["pydantic"],
      "classes": ["BaseRetriever"],
      "reuse_score": 0.85
    }
  },
  "communities": {
    "0": ["retrievers.py", "stores.py"],
    "1": ["callbacks/base.py", "callbacks/manager.py"]
  },
  "leaf_nodes": ["rate_limiters.py"]
   

脚本

脚本	作用
scripts/build_dep_graph.py	构图 + 社区检测 + 评分

依赖

• networkx — 图算法
• python-louvain (community) — 社区检测