| 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
