nexus-query

name

nexus-query

description

Precise, instant code structure queries for active development — answer 'who depends on this interface before I refactor it', 'how many modules break if I change this', 'what is the real impact radius of this feature change', 'which module is the true high-coupling hotspot in this legacy codebase'. Essential before any interface change, continuous refactoring task, sprint work estimation, or when navigating unfamiliar or large legacy codebases. Requires Python 3.10+ and shell. Use nexus-mapper instead when building a full .nexus-map/ knowledge base.

nexus-query — 代码结构精准查询

何时调用

场景	调用
「这个文件有哪些类/方法，依赖什么」	是
「改这个接口/模块，哪些文件受影响」	是
「这个改动的影响半径是多大」	是
「项目里谁是真正的核心依赖节点」	是
「整个项目大概分哪几块」	是
用户希望生成完整的 .nexus-map/ 知识库	否 → 改用 nexus-mapper
运行环境无 shell 执行能力	否
宿主机无本地 Python 3.10+	否

---

前提：确保 ast_nodes.json 可用

进入查询前 → 检查是否有 ast_nodes.json
├── 有（.nexus-map/raw/ast_nodes.json 或用户指定路径）→ 直接查询
└── 没有 → 运行 extract_ast.py 生成 → 再查询

# 默认路径（和 nexus-mapper 的 .nexus-map/ 兼容，可互通）
AST_JSON="$repo_path/.nexus-map/raw/ast_nodes.json"
GIT_JSON="$repo_path/.nexus-map/raw/git_stats.json"    # 可选

# 若 ast_nodes.json 不存在，先创建目录再生成（约数秒）
mkdir -p "$repo_path/.nexus-map/raw"
python $SKILL_DIR/scripts/extract_ast.py $repo_path > $AST_JSON

# 若需要 git 风险数据（可选，仅在存在 .git 时）
python $SKILL_DIR/scripts/git_detective.py $repo_path --days 90 > $GIT_JSON

$SKILL_DIR 为本 Skill 的安装路径（.agent/skills/nexus-query 或独立 repo 路径）。

依赖安装（首次使用）：

pip install -r $SKILL_DIR/scripts/requirements.txt

---

五个查询模式

# 文件骨架：类、方法、行号、import 清单
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --file <path>
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --file <path> --git-stats $GIT_JSON

# 反向依赖：谁 import 了这个模块（区分源码文件和测试文件）
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --who-imports <module_or_path>

# 影响半径：上游依赖 + 下游被依赖（X upstream, Y downstream）
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --impact <path>
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --impact <path> --git-stats $GIT_JSON

# 全仓库核心节点：按扇入（被引用最多）和扇出（引用最多）排序
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --hub-analysis [--top N]

# 按顶层目录聚合结构摘要
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --summary

各模式核心价值

模式	一句话价值	典型触发时机
--file	不读源码也能掌握文件骨架，精确到行号	接手大型模块前；Bug 调查缩小读取区间
--who-imports	改接口前的"炸弹清单"——列出所有调用方	删函数/改签名/重命名类之前，必须跑
--impact	0 upstream, 24 downstream 一眼看清改动范围	Sprint 估时；评估修改是局部手术还是全局手术
--hub-analysis	找出真正的高耦合核心，不靠目录名猜	架构评审；技术债优先级排序
--summary	5 秒建立全局分层认知，比 README 更客观	初次接触项目；识别循环依赖风险区域

---

场景速查

你此刻的问题	用哪个
这个文件有哪些类/方法，各在哪几行	--file
改这个接口/删函数，哪些文件跟着改	--who-imports
这个改动最终影响多少模块	--impact
这个改动风险有多高（加 git 热度）	--impact --git-stats
项目里谁是真正的高耦合中心	--hub-analysis
整个项目的模块分布和层级	--summary
连续重构，改完一处要看影响链	--who-imports → --impact
估算技术债改造的工作量	--hub-analysis → --impact

---

执行守则

守则1: 先骨架再查询 使用 --impact 或 --who-imports 分析某个模块前，建议先用 --file 读取其骨架，理解职责和现有 import，避免对查询结果产生误判。

守则2: git-stats 是加分项，不是硬阻塞 没有 .git 或 git 历史不足时，跳过 git_detective.py，只用 AST 数据查询。

守则3: 路径匹配灵活但要验证 支持路径片段匹配（如 vision.py 可匹配 src/core/vision.py）。结果返回 [NOT FOUND] 时，先用 --summary 确认仓库中存在的模块路径格式，再重新查询。

守则4: 结果直接呈现，让数字说话 --impact 返回的 X upstream, Y downstream 是客观数字，直接告知用户，不用「可能影响较大」这类模糊词替代。