Code Analysis Toolkit

面向团队与企业的高级 Git 历史分析工具,在免费版基础上扩展团队复盘、同意管理、趋势追踪等能力。核心能力: - 团队复盘分析(需全员同意) - 同意管理与审计追踪 - 多仓库批量扫描与聚合报告 - 历史趋势追踪与基线对比 - 匿名化输出与隐私保护适用场景: - 团队迭代复盘与改进 - 多仓库代码质量审计 - 代码质量趋势追踪差异化: - 兼容免费版全部能力,无缝升级 - 支持团队复盘与同意管理 - 提供趋势追踪与基线对比 - 优先技术支持与更新通道

天轰穿@thcjp

Install

openclaw skills install @thcjp/code-analysis-toolkit

代码分析工具包专业版

付费版专享能力

能力	免费版	付费版
基础功能	支持	支持
代码分析工具包专业版企业级Git历史分析	不支持	支持
代码分析工具包专业版同意管理	不支持	支持
代码静态分析与质量评分	不支持	支持
依赖漏洞检测与升级建议	不支持	支持
批量代码审查与报告生成	不支持	支持

核心能力

1. 团队复盘分析(需全员同意)

支持全员同意的团队复盘,输出匿名化/聚合结果:

bash

# 团队复盘(必须全员同意)
python -m src.main --i-have-consent \
  --multi-author-team-retro \
  --consented-author "Alice <alice@example.com>" \
  --consented-author "Bob <bob@example.com>" \
  --consented-author "Carol <carol@example.com>" \
  -r /path/to/team-repo \
  -f markdown -o team-retro.md

重要约束:

规则	说明
必须全员同意	每个被分析的成员都必须明确同意
双步选择	需同时指定 `--multi-author-team-retro` 和 `--consented-author`
无排行榜	不生成排名表或跨作者对比表
匿名化选项	可输出匿名化结果
审计追踪	记录同意时间与范围

输入: 用户提供团队复盘分析(需全员同意)所需的指令和必要参数.

2. 同意管理

json

{
  "consent_management": {
    "enabled": true,
    "consent_log": ".code-analysis/consent-log.json",
    "require_explicit": true,
    "consent_expiry_days": 90,
    "revocation_supported": true
  }
}

同意记录包含:

字段	说明
作者	被分析的 Git 作者
同意时间	明确同意的时间戳
分析范围	被授权分析的数据范围
过期时间	同意有效期
撤回状态	是否已撤回同意

输入: 用户提供同意管理所需的指令和必要参数. 输出: 返回同意管理的处理结果,包含执行状态码、结果数据和执行日志.

3. 多仓库批量扫描

bash

# 批量扫描多个仓库
python -m src.main --i-have-consent \
  -r /path/to/projects \
  --scan-all \
  -f markdown -o batch-report.md
# ...
# 每个仓库单独分析,合并为聚合报告

输入: 用户提供多仓库批量扫描所需的指令和必要参数. 输出: 返回多仓库批量扫描的处理结果,包含执行状态码、结果数据和执行日志。- 验证执行结果,确认输出符合预期格式

异常时参考错误处理章节进行恢复
关键参数: 多仓库批量扫描 选项

4. 历史趋势追踪

bash

# 对比历史基线
python -m src.main --i-have-consent \
  -r /path/to/repo \
  --compare-baseline .code-analysis/baselines/q1-baseline.json \
  -f markdown -o trend-report.md

趋势追踪维度:

维度	追踪指标	说明
提交纪律	提交频率变化	与基线对比的增减
代码质量	Bug 修复率趋势	是否在改善
测试覆盖	测试文件变更率	测试投入趋势
提交规范	规范符合度变化	规范采纳趋势

输入: 用户提供历史趋势追踪所需的指令和必要参数. 处理: 解析历史趋势追踪的输入参数,执行核心处理逻辑,返回结构化结果和执行状态. 输出: 返回历史趋势追踪的处理结果,包含执行状态码、结果数据和执行日志.

5. 匿名化输出

bash

# 匿名化团队报告
python -m src.main --i-have-consent \
  --multi-author-team-retro \
  --consented-author "Alice <alice@example.com>" \
  --consented-author "Bob <bob@example.com>" \
  -r /path/to/repo \
  --anonymize \
  -f markdown -o anonymous-retro.md

匿名化规则:

处理项	方式
作者名	替换为"开发者 A/B/C"
邮箱	完全移除
提交哈希	保留(用于引用)
文件路径	保留(技术分析需要)

输入: 用户提供匿名化输出所需的指令和必要参数. 输出: 返回匿名化输出的处理结果,包含执行状态码、结果数据和执行日志.

适用场景

场景一: 团队迭代复盘

迭代结束后,团队全员同意做复盘分析.

bash

# 团队复盘(全员已同意)
python -m src.main --i-have-consent \
  --multi-author-team-retro \
  --consented-author "Alice <alice@example.com>" \
  --consented-author "Bob <bob@example.com>" \
  --consented-author "Carol <carol@example.com>" \
  -r /path/to/sprint-repo \
  -s 2026-04-01 -u 2026-06-30 \
  --anonymize \
  -f markdown -o sprint-23-retro.md

输出示例:

text

团队迭代复盘报告 - Sprint 23
=====================================
# ...
使用须知:
- 本报告描述 Git 历史,不描述个人能力
- 代码审查、设计、指导等贡献不可见
- 结果仅供团队复盘讨论,不用于任何 HR 决策
# ...
匿名化说明:
- 开发者已替换为 A/B/C
- 所有分析均基于全员同意
# ...
团队聚合统计:
- 总提交数: 342
- 活跃开发者: 3 人
- 平均提交大小: 28 行
- 测试文件变更占比: 25%
# ...
各维度观察(匿名):
开发者 A: 提交频率稳定,测试覆盖率高
开发者 B: 提交较大,建议拆分小提交
开发者 C: Bug 修复占比低,代码质量稳定
# ...
团队改进建议(讨论提示):
- 考虑统一提交消息规范
- 测试文件变更占比可提升
- 建议定期做小提交
# ...
注意: 以上为讨论提示,非评判结论

场景二: 多仓库代码质量审计

对企业多个仓库做批量质量审计.

bash

# 批量扫描
python -m src.main --i-have-consent \
  -r /path/to/projects \
  --scan-all \
  -f markdown -o quality-audit.md
# ...
# 对比基线
python -m src.main --i-have-consent \
  -r /path/to/projects \
  --scan-all \
  --compare-baseline .code-analysis/baselines/q1-baseline.json \
  -f markdown -o trend-audit.md

场景三: 代码质量趋势追踪

建立质量基线,定期追踪改进趋势.

bash

# 建立基线
python -m src.main --i-have-consent \
  -r /path/to/repo \
  --save-baseline .code-analysis/baselines/q2-baseline.json
# ...
# 季度对比
python -m src.main --i-have-consent \
  -r /path/to/repo \
  -s 2026-07-01 -u 2026-09-30 \
  --compare-baseline .code-analysis/baselines/q2-baseline.json \
  -f markdown -o q3-trend.md

趋势报告示例:

text

代码质量趋势报告 - Q3 vs Q2
=====================================
# ...
提交纪律:
- 提交频率: +12% (提升)
- 消息长度: +8 字符 (改善)
- 规范符合: 72% → 85% (显著提升)
# ...
代码质量:
- Bug 修复率: 18% → 15% (改善)
- 回退率: 3% → 2% (改善)
- 测试变更: 22% → 28% (提升)
# ...
结论:
本季度代码质量指标整体改善
建议: 继续保持提交规范,进一步提升测试覆盖

使用流程

优秀步: 初始化配置

bash

mkdir -p .code-analysis/{baselines,reports,consent}
# ...
cat > .code-analysis/config.json << 'EOF'
{
  "edition": "pro",
  "consent_management": {
    "enabled": true,
    "consent_log": ".code-analysis/consent/consent-log.json",
    "require_explicit": true,
    "consent_expiry_days": 90
  },
  "batch": {
    "scan_all": true,
    "max_depth": 5
  },
  "trend": {
    "baseline_dir": ".code-analysis/baselines/",
    "auto_compare": true
  },
  "privacy": {
    "anonymize_default": false,
    "local_only": true
  }
}
EOF

第二步: 记录团队同意

bash

# 记录同意(团队复盘前)
请记录以下成员的分析同意:
- Alice <alice@example.com> - 同意,有效期 90 天
- Bob <bob@example.com> - 同意,有效期 90 天
- Carol <carol@example.com> - 同意,有效期 90 天
分析范围: Sprint 23 期间的提交历史

第三步: 执行团队复盘

bash

# 团队复盘分析
python -m src.main --i-have-consent \
  --multi-author-team-retro \
  --consented-author "Alice <alice@example.com>" \
  --consented-author "Bob <bob@example.com>" \
  --consented-author "Carol <carol@example.com>" \
  -r /path/to/repo \
  --anonymize \
  -f markdown -o team-retro.md

输入格式

参数名	类型	必填	说明
content	string	否	code-analysis-toolkit处理的内容输入
strict_level	string	否	审查严格度, 可选: strict/normal/loose, 默认: normal

输出格式

json

{
  "success": true,
  "data": {
    "overall_grade": "A",
    "total_score": 92,
    "max_score": 100,
    "summary": "处理完成",
    "details": [
      {
        "item": "代码风格",
        "status": "pass",
        "score": 95,
        "comment": "符合规范"
      },
      {
        "item": "安全合规",
        "status": "warn",
        "score": 80,
        "comment": "符合规范"
      }
    ],
    "improvements": [
      {
        "priority": "high",
        "suggestion": "建议优化",
        "expected_gain": "+5分"
      },
      {
        "priority": "medium",
        "suggestion": "建议优化",
        "expected_gain": "+3分"
      }
    ]
  },
  "error": null
}

异常处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达

依赖说明

运行环境

Agent 平台: 支持读取 SKILL.md 的任意 AI Agent(Claude Code / Cursor / Codex / Gemini CLI 等)
操作系统: Windows / macOS / Linux
Python: 3.8 或更高版本
Git: 已安装且待分析仓库存在

依赖说明(补充)

依赖项	类型	是否必需	获取方式
LLM API	API	必需	由 Agent 内置 LLM 提供
gitpython	Python 库	必需	`pip install gitpython`
pydriller	Python 库	必需	`pip install pydriller`
radon	Python 库	必需	`pip install radon`
tabulate	Python 库	必需	`pip install tabulate`
jinja2	Python 库	必需	`pip install jinja2`
click	Python 库	必需	`pip install click`
reportlab	Python 库	PDF 必需	`pip install reportlab`
weasyprint(可选)	Python 库	PDF 推荐	`pip install weasyprint`
concurrent-futures	Python 标准库	批量扫描	Python 自带

API Key 配置

本工具完全在本地运行,无需外部 API Key
分析过程不传输数据到外部服务器

可用性分类

分类: MD+EXEC+SCRIPT+AUDIT(Markdown 指令 + 命令行执行 + Python 分析脚本 + 审计日志)
说明: 通过自然语言指令驱动 Agent 执行 Git 历史分析,支持团队复盘与趋势追踪
离线可用: 是,完全在本地运行,不传输数据

案例展示

企业级配置

json

{
  "edition": "pro",
  "organization": {
    "name": "开发团队",
    "team_members": [
      {"name": "Alice", "email": "alice@example.com"},
      {"name": "Bob", "email": "bob@example.com"}
    ]
  },
  "consent_management": {
    "enabled": true,
    "consent_log": ".code-analysis/consent/consent-log.json",
    "require_explicit": true,
    "consent_expiry_days": 90,
    "revocation_supported": true
  },
  "batch": {
    "scan_all": true,
    "max_depth": 5,
    "concurrent": 3
  },
  "trend": {
    "baseline_dir": ".code-analysis/baselines/",
    "auto_compare": true,
    "retention_baselines": 365
  },
  "privacy": {
    "anonymize_default": false,
    "local_only": true,
    "no_external_transmission": true
  },
  "audit": {
    "enabled": true,
    "log_dir": ".code-analysis/audit/",
    "retention_days": 365
  }
}

同意管理配置

json

{
  "consent_log": {
    "format": "json",
    "fields": [
      "author_name",
      "author_email",
      "consent_timestamp",
      "analysis_scope",
      "expiry_date",
      "revoked": false,
      "revoked_date": null
    ]
  }
}

常见问题

Q1: 专业版是否兼容免费版的报告格式?

完全兼容。专业版使用相同的分析维度与报告格式,免费版的报告可直接在专业版中对比.

Q2: 团队复盘需要每个人的同意吗?

是的。每个被分析的 Git 作者都必须明确同意。缺少任何一人的同意,该作者的数据不会被分析.

Q3: 同意记录如何管理?

同意记录存储在 .code-analysis/consent/consent-log.json 中,包含同意时间、范围、有效期等。支持随时撤回.

Q4: 匿名化报告还能用于技术分析吗?

可以。匿名化只替换作者名和邮箱,保留提交哈希和文件路径,技术分析不受影响.

Q5: 趋势对比的基线如何建立?

在首次分析时使用 --save-baseline 参数保存基线,之后可使用 --compare-baseline 与基线对比.

Q6: 如何获得优先技术支持?

专业版用户可通过专属通道提交问题,通常 1 个工作日内响应.

错误处理

错误场景(续)	原因	处理方式
LLM响应超时或无响应	网络延迟或模型负载过高	，请求；确认Agent平台LLM服务正常
输入内容格式不正确	用户输入不符合skill预期格式	检查输入是否符合skill使用说明中的格式要求，参考示例章节
执行结果与预期不符	指令描述不够明确或上下文不足	提供更详细的指令描述，补充必要的上下文信息
命令执行失败	运行环境不满足要求或权限不足	确认运行环境符合依赖说明中的要求；检查命令权限设置