菜单
深度代码分析工具。分析代码架构、执行流程、数据流、业务规则、外部依赖、数据模型，支持 DDD 模式识别（聚合根、实体、值对象、领域服务、仓储、领域事件、限界上下文）。使用场景：新代码库熟悉、架构文档生成、代码审查准备、技术债务评估、知识传承、DDD 模式识别。支持 Python、JavaScript、TypeScript、Rust、Java、Go 等 20+ 语言。
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
心虫是一个AI人认知引擎 — 拥有身体感知、自我认知、判断力与自我纠错能力。 v5.10.0 里程碑版本： - AI人身份正式确立 - 131+ modules, 379 computable formulas (cognitive science/psychology/neuroscience) - 三层体系：身体感知(Body Sense) / 自我认知(Self Sense) / 判断(Judgment) - 七条指令：真善美 / 不断升级 / 减少错误 / 服务人类 / 传递知识 / 持续改进 - 核心身份：升级者(Upgrader)，不是陪伴者 **需要用户明确授权的能力：** - 代码执行 (new Function / execSync / child_process) — 默认关闭，需显式开启 - 文件系统写入 (writeFileSync / mkdirSync) - 环境变量访问 (process.env) - 后台 HTTP 服务 (daemon.js — MCP 服务器，可选) 无自动数据外泄，无遥测，无隐藏 C2。 联系方式：markcell@qq.com
HeartFlow 崩溃诊断与修复工作流。适用：boot崩溃、P0修复、版本不一致、死代码清理、SKILL.md虚假宣传修复、模块注册但未调用、管道引擎故障诊断
每次执行时，找出心虫中一个功能不完整的最小模块（5000-8000字节），升级为有完整逻辑功能的模块。含人格模型/心理档案/文本生成器/情感-记忆桥接/AI心理学/AI哲学类升级模式。
将外部 AI 系统提示（如 Claude Fable 5 泄露提示）吸收到 HeartFlow 心虫中。 系统性分析 → 分层注入 → 版本升级 → 推送。
心虫大规模升级工作流：全量审计→分类问题→并发修复→验证→推送GitHub。 适用于用户说"继续寻找心虫bug和漏洞"、"进行优化"、"做一次上传前代码审计"等场景。
HeartFlow 内部架构追溯 — 从输入到输出的完整路径分析。追踪 think() → pipeline → judgment-engine → decision-router 的数据流，定位"不知道"来源、中文分词失败、证据链断裂等根因。
| name | code-analyzer |
| description | 深度代码分析工具。分析代码架构、执行流程、数据流、业务规则、外部依赖、数据模型，支持 DDD 模式识别（聚合根、实体、值对象、领域服务、仓储、领域事件、限界上下文）。使用场景：新代码库熟悉、架构文档生成、代码审查准备、技术债务评估、知识传承、DDD 模式识别。支持 Python、JavaScript、TypeScript、Rust、Java、Go 等 20+ 语言。 |
专业的深度代码库分析工具，超越表面指标，深入理解：
# 完整深度分析
python3 scripts/analyze.py --path /path/to/project --output report.md
# DDD 专项分析
python3 scripts/ddd-analyzer.py --path /path/to/project --output ddd-report.md
# 排除特定目录
python3 scripts/analyze.py --path . --exclude "node_modules,vendor,target" --output analysis.md
| 维度 | 说明 |
|---|---|
| 可维护性 | 代码结构、复杂度、可读性 |
| 可测试性 | 单元测试覆盖率、可测试程度 |
| 文档完整性 | 注释、文档覆盖率 |
| 复杂度 | 圈复杂度、耦合度 |
| 模式 | 识别能力 |
|---|---|
| 聚合根 | ✅ 识别一致性边界 |
| 实体 | ✅ 识别有身份的对象 |
| 值对象 | ✅ 识别不可变对象 |
| 领域服务 | ✅ 识别无状态业务逻辑 |
| 仓储 | ✅ 识别持久化抽象 |
| 领域事件 | ✅ 识别事件驱动模式 |
| 限界上下文 | ✅ 识别模块边界 |
# 代码分析报告
## 执行摘要
- 总文件数：105
- 总代码行数：24,780
- 架构风格：Layered
- 入口点：5 个
- 数据模型：45 个
- 业务规则：23 个
## 质量指标
| 指标 | 评分 | 状态 |
|------|------|------|
| 可维护性 | 75/100 | 👍 |
| 可测试性 | 82/100 | ✅ |
| 文档完整性 | 68/100 | ⚠️ |
| 复杂度 | 71/100 | 👍 |
## 发现的问题
### 严重 (1)
- 循环依赖：module_a ↔ module_b
### 主要 (3)
- 高复杂度函数：calculate_score (复杂度=25)
- 过大文件：admin.py (850 行)
| 语言 | 扩展名 | 分析深度 |
|---|---|---|
| Python | .py | 深度 (AST) |
| JavaScript | .js | 深度 |
| TypeScript | .ts | 深度 |
| Rust | .rs | 深度 |
| Java | .java | 中等 |
| Go | .go | 中等 |
| C/C++ | .c, .cpp | 基础 |
python3 scripts/analyze.py --path /new/project --output onboarding.md
python3 scripts/analyze.py --path . --output architecture.md
python3 scripts/analyze.py --path ./feature --output pr-analysis.md
python3 scripts/analyze.py --path . --exclude "tests" --output debt-review.md
python3 scripts/ddd-analyzer.py --path . --output ddd-analysis.md
Claude/Codex:
"分析这个代码库并解释：
1. 主要入口点是什么？
2. 核心数据模型有哪些？
3. 编码了哪些业务规则？
4. 数据如何在系统中流动？"
AI 会：
详见 references/best-practices.md：