analyze-agent-codebase

Solid

当用户希望依据源码、配置、schema 和测试,分析 Coding Agent、Agent 框架或多 Agent 系统的真实架构、执行流程、上下文、记忆、工具、权限或扩展点时使用。继续回答同一分析中的定向机制问题或整理专题文档时也使用。普通代码评审、实现或修复任务,以及不需要仓库证据的概念问答不使用。

AI & Automation 66 stars 12 forks Updated today MIT

Install

View on GitHub

Quality Score: 81/100

Stars 20%
61
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
50
License 10%
100
Description 5%
100

Skill Content

# Agent 代码库分析 从真实入口、调用链、状态变化和持久化边界还原系统如何运行。文档用于解释设计意图,但架构结论必须回到可执行代码和测试证据。 ## 分析边界 - 先遵守目标仓库的 `AGENTS.md`、`CLAUDE.md`、文档导航和只读规则。 - 默认只读。只有用户明确要求创建或维护分析文档时才写文件,不顺手修改实现。 - 以源码、依赖装配、配置、schema、migration 和测试为实现证据。 - 每个重要结论标为 `已确认`、`推断` 或 `未知`;推断说明依据,未知不凭常见框架行为补齐。 - 重要结论给出代码位置和相关 symbol;跨模块行为给出入口到副作用的调用链。 - 不因名称中出现 `agent`、`memory`、`plan`、`tool` 或 `middleware` 就认定对应能力存在。 - 使用用户要求的语言;未指定时沿用用户输入语言。 ## 选择分析范围 根据用户目标选择最小充分范围: 1. **定向机制问题**:只追踪回答该问题所需的纵向切片。 2. **代码库架构报告**:覆盖用户指定的多个机制,并形成整体运行时图景。 3. **专题文档集**:用户明确要求沉淀多篇文档或完整分析时,读取 [分析轴与专题文档](references/dossier-structure.md)。 如果仓库已有同类分析,先检查其范围、依据和版本;更新正确归宿,不建立重复总览。 ## 工作流 ### 1. 固定范围 记录: - 仓库根目录和可用的 revision; - 用户关心的问题、排除项和交付形式; - 主要语言、构建入口和生成代码目录; - 开始时的工作区状态。 区分生产源码、测试、生成物、vendor、fixture、示例和历史文档,不把测试夹具或示例当作生产路径。 ### 2. 建立运行时骨架 先从真实入口向内追踪: ```text 入口 → 配置与依赖装配 → Agent 或工作流构造 → 执行与调度循环 → 模型、工具、协作和持久化副作用 → 事件、恢复和展示 ``` 优先寻找 binary/package 入口、路由注册、factory、registry、核心状态类型和持久化边界。动态注册系统继续追到加载器、宏、装饰器或配置解析器,直到能够解释具体实现如何进入运行时。 ### 3. 追踪纵向切片 为每个问题选择一个真实触发场景,沿调用链追到: ```text 输入 → 权限与校验 → 状态转换 → 外部副作用 → 结果 → 错误与恢复 ``` 完整分析时,从 reference 中选择代码里真实存在的分析轴,不为了填满清单虚构子系统。 ### 4. 建立证据表 边读边记录,不在最后凭印象补引用: | 结论 | 状态 | 代码证据 | 测试或运行证据 | 限制或反证 | | --- | --- | --- | --- | --- | | `<可证伪的完整句子>` | 已确认 / 推断 / 未知 | `<path:line + symbol 或调用链>` | `<test / fixture / trace>` | `<冲突、动态边界或缺口>` | 证据必须支持完整结论。例如认定“支持子 Agent”时,应说明谁创建、如何传递上下文、隔离边界在哪里,以及结果如何返回调用者。 ### 5. 形成架构判断 从证据中说明: - 哪一层拥有控制权和状态真源; - 主要同步与异步流程如何连接; - 上下文、会话恢复、长期记忆和业务历史分别由谁...

Details

Author
murray17
Repository
murray17/rovai-ai
Created
1 months ago
Last Updated
today
Language
Rust
License
MIT

Similar Skills

Semantically similar based on skill content — not just same category

AI & Automation Listed

acquire-codebase-knowledge

Use when the user asks to map, document, or onboard into an existing codebase and needs evidence-backed architecture, structure, conventions, integrations, testing, and concerns documentation.

2 Updated 3 days ago
sandbaseai
AI & Automation Listed

ks-deep-claim-audit

对【别人】在网上(X 推文 / 文章 / 截图 / 营销话 / 朋友转发)宣称的某个 GitHub 开源项目 · AI 工具 · 产品 · 数据/性能/热度, 做毫无遗漏的深度地毯式核查与尽职调查——客观判定每条声称是 真实/部分真实/夸大/虚假/无法证实,而不是附和宣传。 触发:用户贴来【别人的】宣传/推文/截图/repo 链接要求核真伪,或要求「深度地毯式 挖掘/核实/审查/验证/分析/判断」「毫无遗漏」 「可以大胆用 dynamic workflow / agent teams」;或直接问「这个项目/工具/repo 靠谱吗 / 是不是真的 / 是不是夸大 / 值不值得用 / 这个推文可信吗 / 帮我查查这个 GitHub / 这个 benchmark·数据·性能数字成立吗 / 这个声称有没有水分」。 不触发:① 核查【用户自己写的文章稿】→ article-fact-check;② 开放主题的多源研究报告(非核查特定宣称)→ deep-research; ③ 精读理解一篇论文/文章的思想 → deep-reading-analyst。 核心动作:先自己侦察事实底座 → 派 Workflow 多 Sonnet agent 按维度扇出 → 亲自交叉核对载重结论 → 客观出逐条 verdict 的 .md 报告。 触发词:深度核查、地毯式、毫无遗漏、挖掘洞察、核实验证、是不是真的、是不是夸大、靠谱吗、可信吗、查查这个项目、 推文核查、X 博主、宣称、尽调、due diligence、fact-check this repo/tool/claim、verify this hype。

0 Updated 1 months ago
KaiSky0823
AI & Automation Listed

architecture-blueprint-generator

Use when analyzing an authorized codebase to produce an evidence-backed architecture blueprint, dependency map, diagrams, implementation patterns, and evolution guidance.

2 Updated 3 days ago
sandbaseai