Code Analyzer

# 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

```bash # 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

```markdown # 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 ```bash python3 scripts/analyze.py --path /new/project --output onboarding.md ```

2. 架构文档生成 ```bash python3 scripts/analyze.py --path . --output architecture.md ```

3. 代码审查准备 ```bash python3 scripts/analyze.py --path ./feature --output pr-analysis.md ```

4. 技术债务评估 ```bash python3 scripts/analyze.py --path . --exclude "tests" --output debt-review.md ```

5. DDD 模式识别 ```bash python3 scripts/ddd-analyzer.py --path . --output ddd-analysis.md ```

与 AI 助手配合

1. Claude/Codex:
2. ```
3. "分析这个代码库并解释：
4. 主要入口点是什么？
5. 核心数据模型有哪些？
6. 编码了哪些业务规则？
7. 数据如何在系统中流动？"
8. ```

1. AI 会：
2. 运行 code-analyzer
3. 解读分析报告
4. 提供针对性解释
5. 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

• OpenClaw 文档
• ClawHub Skills