菜单
深度代码研究工具 - 使用多模型聚合搜索分析代码库。当用户需要深度分析代码、多模型代码审查、聚合研究代码、代码专家分析、复杂Bug分析、架构评审时触发。自动压缩代码上下文并并行调用多个AI模型获取综合答案，提升回答的准确性和稳健性。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | th-deep-coder |
| description | 深度代码研究工具 - 使用多模型聚合搜索分析代码库。当用户需要深度分析代码、多模型代码审查、聚合研究代码、代码专家分析、复杂Bug分析、架构评审时触发。自动压缩代码上下文并并行调用多个AI模型获取综合答案，提升回答的准确性和稳健性。 |
使用多模型聚合搜索技术，深入分析代码库的架构、Bug、安全性和性能问题。
关键词（说出这些词时自动触发）：
用户触发 → 代码压缩 → 多模型聚合搜索 → 结果整合 → Markdown报告
多模型研究代码：分析这个项目的架构设计
深度分析代码：审查最近一次的提交
聚合研究代码：这个函数为什么会有性能问题
当技能触发时，按以下步骤执行：
询问用户或根据上下文判断：
调用压缩脚本生成代码上下文：
# 全库分析
~/.claude/skills/th-deep-coder/scripts/code-compress.sh --full > /tmp/code-context.txt
# Git差异分析
~/.claude/skills/th-deep-coder/scripts/code-compress.sh --diff HEAD~1 > /tmp/code-context.txt
# 指定目录
~/.claude/skills/th-deep-coder/scripts/code-compress.sh --path src/components > /tmp/code-context.txt
根据用户需求构建明确的研究问题：
| 场景 | 问题模板 |
|---|---|
| 架构评审 | "分析以下代码库的架构设计，指出优缺点和改进建议" |
| Bug分析 | "分析以下代码中的潜在Bug，解释根因和修复方案" |
| 安全审计 | "审计以下代码的安全漏洞，按严重程度排序" |
| 性能优化 | "分析以下代码的性能瓶颈，提供优化建议" |
调用 model-compare-search 进行分析：
# 构建完整查询（问题 + 代码上下文）
QUERY="${RESEARCH_QUESTION}
=== 代码上下文 ===
$(cat /tmp/code-context.txt)"
# 执行多模型搜索
~/.claude/skills/model-compare-search/scripts/search.mjs "$QUERY"
读取多模型搜索结果，生成结构化报告：
~/.claude/skills/th-deep-coder/scripts/generate-report.sh \
--search-dir ~/.claude/skills/model-compare-search/data/$(ls -t ~/.claude/skills/model-compare-search/data/ | head -1) \
--output ./research-report.md
生成的Markdown报告结构：
# 深度代码研究报告
## 执行摘要
- 分析范围: [全库/差异/指定文件]
- 涉及模型: [成功响应的模型列表]
- 置信度: [高/中/低]
## 多模型观点对比
### 模型A (DeepSeek-R1)
**观点**: ...
**置信度**: 95%
### 模型B (Kimi-K2.5)
**观点**: ...
**置信度**: 90%
### 模型C (GLM-5)
**观点**: ...
**置信度**: 85%
## 共识分析
所有模型一致认同的要点：
1. ...
2. ...
## 分歧点
需要人工判断的争议点：
1. ...
## 具体建议
### 高优先级
1. ...
### 中优先级
1. ...
### 低优先级
1. ...
## 代码示例
```python
# 推荐的修复方案
...
## 压缩策略说明
### 智能筛选 (默认)
自动排除以下文件：
- 依赖目录: `node_modules/`, `vendor/`, `.venv/`
- 构建输出: `dist/`, `build/`, `target/`
- 版本控制: `.git/`
- 二进制文件: images, videos, executables
- 大文件: >1MB 的单个文件
- 日志文件: `*.log`
### Git差异模式
只包含最近修改的文件：
```bash
git diff --name-only HEAD~1 # 最近一次提交
git diff --name-only main # 与主分支的差异
model-compare-search skill (必需)git (用于差异分析)ripgrep (用于智能筛选)find (用于文件遍历)用户: "多模型研究代码：分析这个登录模块的安全问题"
执行:
src/auth/ 目录输出: ./research-report.md (包含DeepSeek、Kimi、GLM等多个模型的安全分析)
PRD 驱动的完整开发工作流 - 从用户故事分析到自动化测试的端到端流程。 当用户需要"一条龙开发"、"全自动开发"、"从需求到代码"、"先分析PRD再开发"、 "多模型分析后自动开发"、"完整开发流程"、"从需求分析到测试"或任何涉及 PRD分析→需求整合→代码生成→自动化测试的连续工作时，**必须**使用此技能。 整合多模型聚合、Kimi深度整合、PRD生成、多模型代码审查、代码开发、自动化测试等能力。 **新增**: 智能决策大脑(th-workflow-decision-engine) - 自动判断何时使用GitNexus代码分析、 unified-search联网搜索、多模型聚合，测试失败时智能选择修复策略。
PRD驱动工作流的决策大脑 - 智能判断何时使用搜索、代码分析、多模型聚合。 作为子Skill被 th-prd-driven-dev-workflow 调用，负责工具选择和策略决策。
动态 Agent 生成器（母体模式）。当用户需要处理复杂项目时，自动分析需求并生成定制化专业 Agent 团队。接收项目描述、技术栈、版本号、约束条件，输出完整的 Agent 配置和启动命令。触发词：需要专业团队、生成 Agent、创建定制化 Agent、复杂项目团队、动态生成 Agent。
Arch Linux 系统特性（PEP 668、AUR Helpers）
浏览器交互自动化：网页测试、表单填写、截图、数据提取。触发词：打开网页、填写表单、网页截图。
系统化代码审查：安全性、性能、可维护性、正确性、测试覆盖。触发词：代码审查、review 代码、PR 审查。