Back to skills
extension
Category: Data & AnalyticsNo API key required

code-analyze-tool-free

结构化分析任意输入,支持数据、代码、文本、决策的优先级排序与结论推导。Use when 需要数据分析、报表生成、统计洞察、数据可视化时使用。不适用于实时流数据处理。适用于独立开发者、企业团队和自动化工作流场景。支持中文交互,无需复杂配置即开即用。输出结果可直接使用,减少二次加工成本。提供结构化输出和错误处理机制。

personAuthor: u_8ee34d77hubcommunity

代码分析工具免费版

概述

代码分析工具免费版为个人开发者提供结构化分析能力,可将任意输入(数据、代码、文本、决策)转化为有优先级、有结论、可行动的分析报告。工具内置多种分析框架,通过自然语言指令驱动 AI Agent 执行分析任务。

免费版聚焦核心分析流程,适合个人技术决策、代码审查、数据整理等日常场景。

核心能力

1. 结构化分析框架

提供多种成熟的分析框架,在开始分析前选择其一:

| 框架名称 | 适用场景 | 核心思路 | |:---------|:---------|:---------| | MECE | 全面性分析 | 相互独立、完全穷尽 | | 优劣势分析 | 方案对比 | 附加可逆性与不行动成本 | | 预演失败 | 风险评估 | 假设失败、反推原因 | | 钢铁人论证 | 观点验证 | 构建专业反对意见 |

输出: 返回结构化分析框架的执行结果,包含操作状态和输出数据。

2. 优先级排序机制

分析过程中始终标注优先级,确保关键信息不被淹没:

  • 红色 关键: 最重要发现,最多 1-2 条
  • 黄色 重要: 次级发现,2-3 条
  • 白色 次要: 补充说明

输出: 返回优先级排序机制的执行结果,包含操作状态和输出数据。

3. 来源标注

每条结论都标注信息来源,区分事实与推断:

  • [来自输入]: 直接引用输入内容
  • [推断]: 基于输入的推理结论

输出: 返回来源标注的执行结果,包含操作状态和输出数据。

4. 反证机制

专门设置"为何我可能是错的"区域,主动寻找反证,对抗确认偏误。

输出: 返回反证机制的执行结果,包含操作状态和输出数据。

  • 执行此能力时使用input_params参数,支持创建/查询/导出操作 能力覆盖范围:本skill的核心能力覆盖以下场景关键词:结构化分析任意输、支持数据、决策的优先级排序、与结论推导、面向个人开发者的、结构化分析工具、提供数据、决策四大领域的分、核心能力、多领域结构化分析、预演失败等、优先级排序与反证、避免确认偏误、事实与观点区分、一句话总结与行动、建议输出等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持。

使用场景

场景一: 个人代码审查

开发者完成功能开发后,使用本工具对代码进行结构化审查。

# 示例
请分析以下代码模块的安全性与可维护性:
- 模块路径: src/auth/login.py
- 关注点: SQL注入、异常处理、日志记录

分析输出示例:

目标: 评估 login.py 的安全性与可维护性
红色 关键: 密码明文比对 [来自输入 第45行]
黄色 重要: 缺少登录失败限流 [推断]
警告 反证: 该模块处于内网环境,安全要求较低
行动 建议: 引入 bcrypt 哈希,增加失败计数器

场景二: 技术方案选型

在多个技术方案之间做选择时,用结构化框架对比优劣。

# 方案对比分析
请用优劣势分析框架对比以下数据库方案:
- 方案A: 关系型数据库
- 方案B: 文档型数据库
- 关注点: 一致性、扩展性、运维成本

场景三: 数据报告整理

将杂乱的数据整理为有结论的分析报告。

# 数据分析
请分析以下用户留存数据(近30天):
- 总注册用户: 1200
- 活跃用户: 480
- 流失用户: 720
- 关注: 留存率下降原因

快速开始

领先步: 确认分析目标

在开始分析前,用一句话明确本次分析服务的决策:

本次分析帮助决定 ___

第二步: 选择分析框架

根据分析目标选择合适的框架,并记录领先印象(稍后挑战它):

框架选择: MECE
领先印象: 我觉得方案A更好(待挑战)

第三步: 执行分析

按框架结构展开分析,标注优先级与来源:

# 在 Agent 中触发分析
请对以下输入执行结构化分析,使用 MECE 框架:
[粘贴待分析内容]

第四步: 输出结论

分析完成后,按标准格式输出:

目标: 决定 [X]
红色 关键: [发现 + 来源]
黄色 重要: [发现列表]
警告 反证: [矛盾信息]
行动 建议: [可执行建议]

第五步: 验证结论

输出结论后,进行自我验证:

| 检查项 | 验证方式 | |:-------|:---------| | 浅显性测试 | 不读输入也能得出同样结论吗?如果能,需深入 | | 分母完整 | 数据是否有明确的分母?如"500个"是600中的还是50000中的? | | 来源标注 | 每条结论都有来源标注吗? | | 反证完整 | 是否有"为何我可能是错的"区域? | | 行动导向 | 结论是否以行动建议结尾,而非只是总结? |

领域分析重点

不同领域的分析关注点不同,免费版支持以下五类:

| 领域 | 分析重点 | 需要注意 | |:-----|:---------|:---------| | 代码 | 生产故障、死代码 | 风格问题不等于缺陷 | | 数据 | 粒度、缺失值、异常值 | 混合类型、分母缺失 | | 文本 | 论点、证据强度 | 无来源的断言 | | 决策 | 未列选项、可逆性 | 现状偏误 | | 可视化 | 主导性、一致性 | 平台约定差异 |

配置示例

基础配置

本工具为纯 Markdown 指令驱动,无需复杂配置文件。可通过环境变量自定义默认行为:

# 设置默认分析框架(可选)
export ANALYZE_DEFAULT_FRAMEWORK="MECE"

# 设置默认输出语言(可选)
export ANALYZE_OUTPUT_LANG="zh-CN"

自定义输出格式

可在项目根目录创建 .analyze-config.json 调整输出:

{
  "framework": "MECE",
  "priority_levels": 3,
  "show_counter_evidence": true,
  "output_format": "markdown",
  "language": "zh-CN"
}

优选实践

1. 始终先定目标

分析前明确"本次分析帮助决定什么",避免为分析而分析。

2. 主动挑战领先印象

记录领先印象后,专门寻找支持与反对的证据,避免确认偏误。

3. 区分事实与观点

| 类型 | 特征 | 处理方式 | |:-----|:-----|:---------| | 事实 | 可验证、有数据支撑 | 直接引用 | | 观点 | 主观判断、推测 | 标注为推断 | | 相关性 | 两个变量同步变化 | 不可等同于因果 | | 因果性 | A 导致 B | 需额外验证 |

4. 警惕常见陷阱

  • 表面化: 复述输入不等于分析
  • 平均权重: 所有项都标黄色等于没有优先级
  • 缺失分母: "500 个退款"是 600 中的还是 50000 中的?
  • 编造数据: 没有来源的统计数字是幻觉

常见问题

Q1: 免费版支持哪些分析框架?

免费版支持 MECE、优劣势分析、预演失败、钢铁人论证四种基础框架,满足个人日常分析需求。

Q2: 可以分析代码以外的内容吗?

可以。本工具支持数据、代码、文本、决策、可视化五个领域的分析,不仅限于代码。

Q3: 分析结果可以保存吗?

免费版通过 Markdown 格式输出,可手动保存或复制到笔记工具。如需自动存档与历史追溯,请使用 PRO 版。

已知限制

受底层 LLM 上下文窗口限制,建议单次输入不超过 50000 字符。超长内容建议分段分析。

Q5: 是否需要联网?

不需要。本工具为纯指令驱动,分析过程在本地 Agent 中完成,数据不出本机。

  • 当前为免费版本,如需完整功能请升级到付费版获取全部能力

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
  • 运行时: 无需额外运行时,Markdown 指令直接由 Agent 解释执行

依赖详情

| 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 | | jq(可选) | CLI 工具 | 否 | 系统包管理器安装 |

API Key 配置

  • 本工具基于 Markdown 指令驱动,无需额外 API Key
  • Agent 内置 LLM 的 API Key 由 Agent 运行时自动管理

可用性分类

  • 分类: MD+execute(纯 Markdown 指令,部分功能需要 exec 命令行执行能力)
  • 说明: 通过自然语言指令驱动 Agent 执行结构化分析任务
  • 离线可用: 是,分析过程完全在本地完成

错误处理

| 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 | 执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令,参考国内替代方案 |

示例

基本用法

输出:返回执行结果,包含操作状态和输出数据

用户: 执行核心功能
Skill: 正在执行核心功能...
Skill: 执行完成,结果如下: 操作成功

安全注意事项

| 风险类型 | 防范措施 | |----------|---------| | API密钥泄露 | 通过环境变量配置,禁止硬编码到代码或配置文件中 | | 命令执行风险 | 仅执行白名单命令,避免拼接用户输入到命令行参数中 | | 网络通信安全 | 使用HTTPS协议,验证SSL证书有效性 | | 敏感数据暴露 | 输出结果中不包含密钥、令牌等敏感信息 |

使用前请确认已阅读依赖说明章节,确保运行环境满足安全要求。

效率量化分析

| 操作场景 | 手动耗时 | 自动化耗时 | 效率提升 | |----------|---------|-----------|---------| | 文件解析与提取 | 5-10分钟/个 | <5秒/个 | 60-120x | | 批量文件处理(100个) | 8-16小时 | <5分钟 | 96-192x | | API调用与响应解析 | 2-3分钟/次 | <1秒/次 | 120-180x | | 多接口数据聚合 | 15-30分钟 | <10秒 | 90-180x | | 命令执行与结果收集 | 3-5分钟/次 | <2秒/次 | 90-150x | | 重复任务批量执行 | 因任务而异 | 线性缩减 | 5-50x | | 错误排查与修复 | 10-30分钟 | <30秒 | 20-60x |

差异化对比

| 对比维度 | 本技能 | 传统手动方式 | 通用脚本工具 | |---------|------------|-------------|------------| | 自动化程度 | 全流程自动 | 完全手动 | 部分自动 | | 错误处理 | 内置错误恢复 | 依赖人工经验 | 基本try-catch | | 可复用性 | 参数化配置 | 一次性脚本 | 模板化 | | 安全合规 | 内置安全检查 | 无安全保障 | 无安全保障 | | 适用场景 | 核心功能 | 通用场景 | 通用场景 |

核心功能

  • 自动化执行: 基于指令驱动的自动化流程
  • 文件处理: 支持多种文件格式的读取、解析和写入操作
  • API集成: 通过标准化接口调用外部服务并处理响应
  • 命令执行: 在安全沙箱中执行系统命令并收集结果
  • 信息检索: 快速搜索和过滤目标数据