analysis-code

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。

代码分析技能 (Code Analysis Skill)

版本: 1.2.0 | 基于: Copilot工作流系统 analysis_system

🎯 技能概述

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。

核心能力

• 代码质量分析: 评估代码复杂度、可读性、可维护性
• 技术债务识别: 识别代码异味、过时模式、重复代码
• 性能评估: 分析算法复杂度、资源使用、性能热点
• 架构分析: 评估模块依赖、耦合度、内聚性
• 重构规划: 生成结构化的重构建议和实施计划

适用场景

• 当用户请求进行"代码分析"、"代码质量评估"、"代码审查"时
• 当用户需要识别"技术债务"、"代码异味"、"性能问题"时
• 当用户准备进行"重构"并需要分析支持时
• 当用户需要对项目进行系统性理解和评估时

📋 分析流程

总-分-总结构

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）

阶段一：总体规划

目标: 建立分析框架和总体计划

步骤:

1. 需求解析: 理解用户的分析需求和目标
2. 信息确认: 与用户确认项目类型、技术栈、分析重点
3. 计划制定: 制定分析维度和预期轮次
4. 环境准备: 创建分析任务目录结构

输出:

• 总体分析计划（使用 master-analysis-plan.md）
• 分析任务目录结构

阶段一交互确认（ask_questions，替代暂停点）:

• 问题: 是否批准分析计划？
• 选项A: 批准
• 选项B: 自定义（由用户填写调整项）
• 要求: 通过 ask_questions 执行，不使用开放式“暂停等待输入”

阶段二：循环分析（9步循环）

每轮分析包含以下步骤：

步骤1: 创建轮次目录

创建轮次分析的目录结构，第一轮命名为 1_初始质量评估

步骤2: 制定轮次计划

使用 round-plan.md 明确本轮分析目标

步骤3: 收集项目数据

• 运行代码指标收集工具
• 分析项目结构和依赖
• 收集用户提供的补充信息

步骤4: 确定分析内容

基于收集的数据确定本轮重点分析内容

步骤5: 执行分析

• 分析代码结构和模块组织
• 识别代码异味和反模式
• 评估代码复杂度和可维护性
• 检查设计原则遵循情况

步骤6: 量化评估

• 计算代码健康度评分
• 量化技术债务和修复成本
• 可选：编写测试验证假设

步骤7: 记录结果

使用 round-analysis-report.md 生成轮次报告

步骤8: 生成建议

提出针对性改进建议，评估可行性

步骤9: 轮次评估

• 评估总体进展
• 决定是否继续下轮或进入汇总

第一轮完成后的分流确认（新增必做）

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：

1. 列出候选分析方向/模块

   • 基于第1轮结论整理候选清单（例如：核心业务模块、数据访问层、接口层、性能热点、架构依赖、测试薄弱区等）
   • 每个候选项至少包含：方向/模块名称、分析目标、预期产出

2. 使用 ask_questions 工具向用户确认

   • 必须调用 ask_questions 展示候选项供用户选择
   • 支持用户在自选栏补充自定义方向/模块（allow freeform input）
   • 支持用户利用自选栏进行多选（multi-select），以便并行分析多个方向

3. 基于确认结果规划后续轮次

   • 将用户选中的方向/模块转化为后续轮次任务
   • 未选中的方向保留在待选池，不默认继续深入

多 sub-agent 并行分析规范（新增）

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。

• 分工原则: 一名 sub-agent 只负责一个明确方向/模块或一个明确分析视角
• 目录隔离原则: 每个 sub-agent 的输出必须落在独立目录，严禁混写
• 可追溯原则: 每个 sub-agent 目录中必须包含其任务说明、过程记录与结果报告

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）:

• 问题: 本轮分析完成，下一步如何进行？
• 推荐选项: 继续下一轮 / 进入汇总报告 / 自定义（由用户填写）
• 要求: 必须通过 ask_questions 获取决策，再进入下一动作

阶段三：汇总报告

目标: 整合所有轮次结果，生成完整分析报告

输出:

• 最终分析报告（使用 final-analysis-report.md）
• 执行摘要（使用 executive-summary.md）
• 改进路线图
• （可选）重构计划

📊 分析维度

代码结构分析

• 模块依赖: 分析模块间的依赖复杂度
• 耦合度: 评估组件间的耦合程度
• 内聚性: 分析模块内部的功能内聚性

代码质量评估

• 圈复杂度: McCabe圈复杂度分析
• 认知复杂度: 代码理解难度评估
• 可读性: 命名规范、注释质量、代码风格
• 可维护性: 代码重复度、函数长度、类大小

性能分析

• 时间复杂度: 算法效率分析
• 空间复杂度: 内存使用评估
• 性能热点: 识别性能瓶颈

技术债务

• 代码异味: 长方法、大类、重复代码
• 过时模式: 不推荐的编程实践
• 债务量化: 修复成本估算

🛠️ 工具使用

代码指标收集

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

分析报告生成

（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"

📁 目录结构

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

💡 分析原则

核心原则

1. 数据驱动: 基于客观数据进行分析，避免主观臆断
2. 循序渐进: 从概要分析开始，逐步深入细节
3. 持续验证: 定期验证分析结果的准确性
4. 用户参与: 关键决策点统一使用 ask_questions 做选择式确认

质量标准

• 完整性: 覆盖计划中的所有分析维度
• 准确性: 分析结论有数据支撑
• 可操作性: 改进建议具体可执行
• 可追溯性: 结论可追溯到原始数据

📝 使用示例

示例1: 启动代码质量分析

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:

1. 解析需求，提取关键信息
2. 创建分析计划，确认分析维度
3. 使用 ask_questions 确认（批准/自定义）
4. 执行分析循环
5. 生成分析报告

示例2: 重构前分析

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:

1. 进行代码结构分析
2. 识别重构风险点
3. 评估重构范围和影响
4. 生成重构前分析报告
5. 可选：生成重构计划草案

🔗 相关资源

• 完整模板目录
• 工具脚本
• 使用示例
• 原始 analysis_system 文档（若当前仓库已同步该目录，请按实际路径查看）

⚠️ 注意事项

1. 交互方式: 原“暂停点”统一替换为 ask_questions 选择式确认，提升交互效率与一致性
2. 渐进式执行: 不要一次性完成所有分析，按阶段执行并获取反馈
3. 灵活调整: 根据实际发现调整分析计划是正常的
4. 文档归档: 分析完成后确保所有文档正确归档
5. 第一轮后确认: 第1轮结束后，必须先列方向并通过 ask_questions 与用户确认，再进入并行深入分析
6. sub-agent隔离输出: 多 sub-agent 并行时，报告必须按 sub-agent 独立目录存放，避免结果混杂

🧭 ask_questions 标准交互卡片

为保证流程一致性，建议在以下节点使用标准问题卡片：

1. 阶段一结束

   • 问题: 是否批准分析计划？
   • 选项: 批准 / 自定义（由用户填写）

2. 第一轮结束（分流）

   • 问题: 请选择后续拟深入分析的方向/模块（可多选，可自定义）
   • 选项: 基于第1轮结果动态生成
   • 配置: multiSelect=true，allowFreeformInput=true

3. 每轮结束

   • 问题: 本轮分析完成，下一步如何进行？
   • 选项: 继续下一轮 / 进入汇总报告 / 自定义（由用户填写）