task-dep-analysis

name	task-dep-analysis
description	任务依赖分析 — dev-plan 任务表的依赖关系建模、关键路径计算、环检测、Sprint 分组。仅处理任务依赖，不含代码模块依赖。
argument-hint	<DEV-PLAN文档路径>
suggested-tools	file_read, file_grep, shell_exec
depends	[]
disable-model-invocation	false
user-invocable	true

任务依赖分析 (task-dep-analysis)

能力边界

• 能做: 任务间依赖关系建模、拓扑排序、关键路径计算、循环依赖检测、Sprint分组建议
• 不做: 任务内容定义、代码实现、代码模块依赖图（→ code-review scan --focus coupling）

输入规范

• dev-plan#§1 Sprint任务表(任务ID + 依赖列)
• dev-plan#§2 依赖图(文本DAG关系)
• 任务卡的depends_on字段(如存在)

输出规范

• 环检测结果(通过/失败 + 循环路径)
• 拓扑排序(有效执行顺序)
• 关键路径(基于复杂度权重)
• Sprint分组建议(按拓扑层级和并行度)
• 落盘: 上述产物经 §执行流程写入 dev-plan 文档对应章节（依赖图 Mermaid → dev-plan#§2、关键路径与 Sprint 分组 → dev-plan#§4）

执行流程

Step 1: 提取依赖数据

数据源（自动）:

1. 优先经图谱取依赖边 — 用 context 的 query 分支把"列出所有任务依赖边（T→T）"翻译为只读追溯查询并执行，返回的 src→dst 对直接拼成 --edges "T-001→T-002,..."，无需再读 Markdown。
2. 回退读文档 — 追溯后端不可用时，从 dev-plan#§1 Sprint 任务表（任务 ID + 依赖列）、§2 依赖图（文本 DAG，T-001 ─→ T-002）、任务卡 depends_on 字段提取，合并去重成边列表。

任一路径都必须输出边列表（(src, dst) 元组），交给 Step 2 的脚本。

Step 2: 运行依赖分析脚本

调用约定（单一入口）: 一律通过 cataforge skill run <skill-id> -- <args> 触发，由框架解析 SKILL.md 元数据并派发到内置脚本或项目覆写脚本。不得直接 python .cataforge/skills/.../scripts/*.py——该路径为框架内部实现细节，不保证存在。

使用Bash执行:

cataforge skill run task-dep-analysis -- \
  --edges "T-001→T-002,T-002→T-003,..." \
  [--weights "T-001:S,T-002:M,T-003:L,..."] \
  [--format json]

脚本功能:

• 环检测(DFS): 输出循环路径或PASS
• 拓扑排序(Kahn算法): 输出有效执行顺序
• 关键路径计算: 基于复杂度权重(S=1,M=2,L=3,XL=5)
• Sprint分组建议: 按拓扑层级和并行度分组

输出: --format json（默认且唯一）输出 JSON 结构化分析数据。依赖图的 Mermaid 可视化由 cataforge viz tasks --format mermaid --edges "..." 产出（同一图算法、同一关键路径高亮）。

JSON输出示例:

{
  "cycle_detected": false,
  "cycles": [],
  "topological_order": ["T-001","T-002"],
  "critical_path": ["T-001","T-003"],
  "critical_path_weight": 7,
  "sprint_groups": [["T-001","T-004"],["T-002","T-005"]]
}

cataforge viz tasks --format mermaid 输出示例:

graph LR
    T-001 --> T-002
    T-001 --> T-003
    T-003 --> T-005
    style T-001,T-003,T-005 fill:#f96,stroke:#333,stroke-width:2px

Step 3: 应用分析结果

• 有环 → 报告环路径，建议打破方式，status=blocked
• 无环 → 执行以下操作:
  1. 使用 cataforge viz tasks --format mermaid --edges "..." 获取 Mermaid 依赖图
  2. 通过 cataforge context write-narrative 将 Mermaid 图写入 dev-plan §2（包裹在 ```mermaid 代码块中）
  3. 使用 cataforge skill run task-dep-analysis -- --format json 获取关键路径和 Sprint 分组数据
  4. 将关键路径信息写入 dev-plan#§4

Anti-Patterns

• 禁止: 引入"先做A再做B更顺手"这种人为依赖 —— 依赖只能基于数据流 / 接口契约 / consumer-producer 关系，否则 sprint_groups 会过窄、并行度白丢
• 禁止: 检测到环依赖时静默改图绕过 —— 必须 FAIL 并要求 tech-lead 由 task-decomp 重新拆 task 或引入抽象层
• 禁止: 把 dep-analysis 报告写入 dev-plan#§2 之外的位置 —— 该 section 是 orchestrator §Parallel Task Dispatch 读 sprint_groups 的唯一入口
• 避免: 未跑 --format json 就让 LLM 估算关键路径 —— 关键路径是确定性图算法的输出，LLM 估算既不必要也不可靠

效率策略

• 使用确定性Python脚本执行图算法，不依赖LLM推理