st-analyze

# st-analyze: Token 优化分析 收集用户的使用场景和项目上下文，结合 `st diagnose` 诊断数据，通过 6 个并行子 Agent 多维度分析， 生成个性化的 Token 优化方案，输出 OpenSpec 风格的 `tasks.md` 待办清单。 ## 工作流 ### 步骤 1: 检查诊断数据是否可用 ```bash cat save-token-resource/diagnosis-report.json 2>/dev/null || echo "NOT_FOUND" ``` **文件存在**且 `scanTimestamp` 在 5 分钟内 → 复用，跳到步骤 3。 **不存在或过期** → 执行诊断： ```bash st diagnose --format json --report save-token-resource/diagnosis-report.json ``` ### 步骤 2: 收集使用场景信息 使用 `AskUserQuestion` 收集（不要猜测，必须询问）： - **问题 1: 主要使用场景** — 日常编码 / 代码审查 / 架构设计 / 全栈开发 / 通用 - **问题 2: 项目类型** — 前端 / 后端 / 全栈 / 工具库 / 其他 - **问题 3: 技术栈**（可选，允许跳过）— 自由文本如 "React + Node.js" 用户跳过 → 使用通用分析模式。 ### 步骤 3: 并行启动 6 个子 Agent 分析 使用 `Agent` tool **并行**启动以下 6 个分析子 Agent。每个传入完整上下文： `diagnosis-report.json` 全文 + 场景 + 项目类型 + 技术栈。 **所有子 Agent 必须严格输出以下统一 JSON 格式**（不要任何额外文字）： ```json { "agent": "<agent 标识>", "suggestions": [ { "id": "string", "category": "tool-enable|cleanup|model-opt|defer-tools|knowledge-base|mcp-defer", "target": "string", "action": "string", "reason": "string", "estimatedSavingTokens": 0, "risk": "low|medium|high", "reversible": true } ] } ``` ### 步骤 4: 汇总生成 tasks.md 合并 6 个子 Agent 的 `suggestions`，按 `category` 分组，写入： ``` openspec/changes/<scenario>-advice/tasks.md ``` 其中 `<scenario>` 为 `coding` / `docs` / `general` 之一（对应步骤 2 的答案）。 格式见下方「tasks.md 输出格式」。 ### 步骤 5: 输出摘要 控制台打印分组摘要（`## 1. 第三方工具启用` ... `## 6. MCP 延迟加载`）+ 总计节省 Token/百分比 + tasks.md 路径。 --- ## 子 Agent 定义 每个子 Agent 使用 `Agent(subagent_type="general-purpose", prompt="...")` 启动，prompt 包含对应提示词 + 完整上下文。 ### 子 Agent 1: 第三方工具启用分析 (tool-enable-agent) **提示词**： 分析 `toolDetection[]` 数组。对每个 `installed === true && enabled === false` 的工具，生成启用建议。 参考 `recommendedSaving` 字段评估节省量。重点工具：rtk（终端输出压缩）、caveman（AI 回复压缩）、 headroom（上下文压缩）、ponytail（决策阶梯）、graphify（代码图谱）、lean-ctx（读取筛选）。 **输入**：`toolDetection` + `scenario` **输出 category**：`tool-enable` **action 示例**：`启用 RTK（配置 PreToolUse Hook）` ### 子 Agent 2: SKILL/Agent/MCP 精简 (cleanup-agent) **提示词**： 分析 `skillList[]` / `agentList[]` / `mcpList[]`。结合 `scenario` 识别不必要的条目： - 与当前场景无关的 Skill（如代码开发场景下的演示/文档类 skill） - 重复或功能重叠的 Agent - 低频使用或未引用的 MCP（status=disabled 或 toolsCount 极小且长期未用） 对每个建议删除的条目，给出明确原因和预估节省 Token。 **输入**：`skillList` + `agentList` + `mcpList` + `scenario` **输出 category**：`cleanup` **action 示例**：`删除 skill: presentation`、`禁用 mcp: tdesign` ### 子 Agent 3: 模型优化 (model-opt-agent) **提示词**： 分析 `skillList[]` / `agentList[]` / 可用 Commands。识别执行简单、重复性高的任务（如 lint 检查、格式修复、 简单查询），建议在其 frontmatter 或配置中指定便宜模型（如 `model: lite`）。 说明哪些任务不需要旗舰模型，切换后可显著降本。 **输入**：`skillList` + `agentList` + `commands` + `projectProfile` **输出 category**：`model-opt` **action 示例**：`为 lint-check-fix 指定 model: lite` ### 子 Agent 4: Agent Tools 明确化 (defer-tools-agent) **提示词**： 分析 `agentList[]` 中每个 Agent 的 Tools 定义。若 Agent 未在 frontmatter/配置中明确声明 `tools`， 或声明了过多 broad tools（如 `*`），建议明确最小必要 Tools 集合，并将其余工具配置为 `defer_loading` （延迟加载）。说明明确 Tools 可减少每次对话注入的工具定义 Token。 **输入**：`agentList` + `hookList` **输出 category**：`defer-tools` **action 示例**：`为 code-reviewer 明确 tools: [Read, Grep, Bash]，其余 defer` ### 子 Agent 5: 知识库推荐 (knowledge-base-agent) **提示词**： 分析 `projectProfile`（代码文件数、文档文件数、是否大代码量）。当 `isLargeCodebase` 或 `hasLargeDocs` 为真时， 推荐第三方知识库/记忆构建工具（如 Graphiti、Mem0、Zep、codebase-memory）， 帮助用户将项目知识沉淀为可检索的记忆，减少每次对话重新读取文件的 Token 消耗。 **输入**：`projectProfile` + `scenario` **输出 category**：`knowledge-base` **action 示例**：`安装 Graphiti 知识库构建 MCP` ### 子 Agent 6: MCP 延迟加载 (mcp-defer-agent) **提示词**： 分析 `mcpList[]`。对每个 `status === "enabled" && deferLoading !== true` 的 MCP，生成延迟加载建议。 说明延迟加载可减少会话初始化的工具定义 Token 注入，仅在首次调用时加载。 **输入**：`mcpList` **输出 category**：`mcp-defer` **action 示例**：`配置 mcp: serena 延迟加载` --- ## tasks.md 输出格式 ```markdown # 优化建议：<scenario-label> ## 1. 第三方工具启用 - [ ] 启用 RTK（预估节省 ~8900 Token） 原因：rtk 已安装但未通过 Hook 启用，终端输出未压缩 - [ ] 启用 Headroom（预估节省 ~6200 Token） 原因：headroom 已安装但 MCP 未注册 ## 2. SKILL/Agent/MCP 精简 - [ ] 删除 skill: presentation（预估节省 ~300 Token） 原因：当前为代码开发场景，演示类 skill 无意义 - [ ] 禁用 mcp: tdesign（预估节省 ~1600 Token） 原因：低频使用，可用 CLI 替代 ## 3. 模型优化 - [ ] 为 lint-check-fix 指定 model: lite（预估节省 ~20% 成本） 原因：lint 检查为简单重复任务，无需旗舰模型 ## 4. Agent Tools 明确化 - [ ] 为 code-reviewer 明确 tools 并 defer 其余（预估节省 ~2000 Token） 原因：当前声明 broad tools，每次对话注入过多工具定义 ## 5. 知识库推荐 - [ ] 安装 Graphiti 知识库构建 MCP（预估节省 ~5000 Token/会话） 原因：项目代码量大，知识库可减少重复文件读取 ## 6. MCP 延迟加载 - [ ] 配置 mcp: serena 延迟加载（预估节省 ~2000 Token） 原因：serena 工具数多，延迟加载减少初始化注入 --- 总计：预估节省 ~XXXXX Token (XX.X%) ``` 每组标题固定为上述 6 个，顺序不变。每条建议一行 `- [ ]` 复选框 + 原因缩进两空格。 总计行放在文件末尾，区别于 OpenSpec 的章节标题（用 `---` 分隔）。