Token导航 LogoToken导航TokenDH.com
开发需要联网clawhub未标认证来源可访问clear审计通过

code-analyzer代码分析器

Agent Skill

code-analyzer 用于辅助 Python 项目开发、测试和数据处理,适合在 OpenClaw 中需要阅读 Python 代码、运行测试或整理脚本流程时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

44,384

周安装

1,868

GitHub Stars

公开资料未说明

下载量

15,542
OpenClaw

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

MIT-0

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:code-analyzer(代码分析器)
来源仓库:https://github.com/jerry-guo-mys/code-analyzer
安装命令:
openclaw skills install code-analyzer
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install code-analyzer

简介

code-analyzer 深度分析代码架构、数据流与业务规则,支持 DDD 模式识别。

  • 适用于新代码库熟悉、架构文档与技术评估场景。
  • 通过 clawhub 安装,安装命令为 openclaw skills install code-analyzer。
  • 使用前需确认权限范围、维护状态及是否涉及联网、命令执行或文件读写操作。
  • 适用宿主包括 OpenClaw,接入前应确认版本、权限和运行环境要求。

SKILL.md

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。

Code Analyzer - 深度代码分析

专业的深度代码库分析工具,超越表面指标,深入理解:

  • 🏗️ 架构风格 - 识别 MVC、Clean Architecture、微服务等
  • 🚀 执行流程 - 入口点、调用图、执行路径追踪
  • 💧 数据流动 - 数据如何在系统中传输和转换
  • 📜 业务规则 - 从代码中提取验证逻辑、业务约束
  • 🔗 外部依赖 - API、数据库、第三方服务
  • 📊 数据模型 - 实体、DTO、值对象及其关系
  • 🏛️ DDD 模式 - 聚合根、实体、值对象、领域服务

快速开始

# 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

核心功能

📊 代码质量评估

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

🏛️ DDD 模式识别

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

📝 报告生成

  • 执行摘要
  • 质量评分
  • 问题清单(分级)
  • 改进建议(分优先级)
  • 架构图(Mermaid)

输出示例

# 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)

支持语言

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

使用场景

1. 新项目熟悉

python3 scripts/analyze.py --path /new/project --output onboarding.md

2. 架构文档生成

python3 scripts/analyze.py --path . --output architecture.md

3. 代码审查准备

python3 scripts/analyze.py --path ./feature --output pr-analysis.md

4. 技术债务评估

python3 scripts/analyze.py --path . --exclude "tests" --output debt-review.md

5. DDD 模式识别

python3 scripts/ddd-analyzer.py --path . --output ddd-analysis.md

与 AI 助手配合

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:

  1. 运行 code-analyzer
  2. 解读分析报告
  3. 提供针对性解释
  4. 回答具体问题

最佳实践

详见 references/best-practices.md

  • 代码分析方法论
  • 架构识别技巧
  • DDD 模式识别指南
  • 质量改进建议

参见

适合场景

01

OpenClaw 用户查找和安装 Skill 时

02

用户想查找某类 Agent Skill 时

03

需要根据任务场景推荐可安装能力包时

04

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

补充不同宿主或平台的使用分布数据

能力 5

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

OpenClaw

79.48%
按下载量换算12,353

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

未展示

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills