hotplex-arch-analyzer

Solid

HotPlex 架构深度审计。覆盖架构分析、SOLID/DRY 合规、并发安全、性能优化、安全扫描、存量 issue 审计与清理。自动创建 GitHub Issue,支持 `/loop` 循环执行。**核心流程**:选定模块 → 静态分析 → 产出结构化发现 → 自动建 issue → 闭环修复。

AI & Automation 45 stars 14 forks Updated today Apache-2.0

Install

View on GitHub

Quality Score: 80/100

Stars 20%
55
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# 架构深度分析器 ## 工作流概览 每次调用 = **一个分析周期**在**一个模块**上覆盖**2-3 个方面**。专为 `/loop` 设计:`/loop 10m /hotplex-arch-analyzer`。深度分析在独立 subagent 中执行,主会话只处理 JSON 结果(上下文隔离)。状态持久化在 `.claude/arch-analysis/progress.json`,跨会话存活。 每次调用遵循两种模式之一,由**步骤 1.5(模式检测)**决定: **分析模式**(默认): ``` 加载进度 → 选择模块 → 选择方面 → [Subagent 深度分析+分诊] → 去重检查 → 创建/更新 Issue → 更新进度 → 报告 ``` **审计模式**(open issues ≥ 阈值时激活): ``` 加载进度 → 选择 Issue → [Subagent 验证代码] → 分类处理 → 更新进度 → 报告 ``` **为什么需要双模式**:分析模式持续发现新问题,但问题积累后会降低团队信任度和审查效率。审计模式定期清理存量 issue,关闭误报、更正偏差���保持 issue backlog 的健康。两个模式交替运行,既不停止分析,也不让 issue 失控。 ### 步骤 1:加载进度 读取 `.claude/arch-analysis/progress.json`。 **如果未找到** — 运行初始化: 1. 发现模块(见下面的模块发现) 2. 创建进度文件,所有模块的所有 aspects 待处理 3. 输出发现的模块列表 4. 继续到步骤 2 ### 步骤 1.5:模式检测 每次调用开始时,检查是否应该进入审计模式: ```bash # 获取当前 open architecture issues 数量 OPEN_COUNT=$(gh issue list --label "architecture" --state open --json number --limit 200 | python3 -c "import json,sys; print(len(json.load(sys.stdin)))") echo "Open architecture issues: $OPEN_COUNT" ``` **决策规则**(按优先级): 1. **用户显式指定模式** → 遵循用户指令(如 "审计 issue"、"review issues"、"audit mode") 2. **Open issues ≥ 30** → 进入**审计模式**,审计 3-5 个最旧的 issue 3. **Open issues < 30** → 继续**分析模式**(步骤 2-7) **审计与分析的交替**:当 open issues 在阈值附近波动时,审计和分析交替执行。每审计一轮后检查:如果 open issues 仍 ≥ 30 → 继续审计;否则切回分析模式。 **为什么阈值是 30**:经验表明,超过 30 个 open issues 时: - 团队审查负担过重,新 issue 被忽略的概率激增 - 存量 issue 中积累了足够多的误报和过时发现值得清理 - 清理 backlog 比创建新 issue 产生更大的实际价值 ### 步骤 2:选择目标模块 优先级(第一个匹配胜出): 1. `analysis_count == 0` — 从未分析,最高优先级 2. 最低 `analysis_count...

Details

Author
hrygo
Repository
hrygo/hotplex
Created
3 months ago
Last Updated
today
Language
Go
License
Apache-2.0

Integrates with

Similar Skills

Semantically similar based on skill content — not just same category