用途
Specstory Yak Shave Analyzer 用于分析你的 SpecStory AI 编程会话记录，检测会话是否从最初目标偏离到无关的“剃牦牛毛”（yak shaving）式任务。所谓 yak shaving，是指从目标 A 开始，最终却深入到不相关的任务 Z，例如“我要部署应用，但先要修 CI，但先要升级 Node，但先要修 shell 配置……”。该工具会在 .specstory/history 中检测这种模式，并为每个会话生成一个“yak shave 分数”。
主要能力
- 解析指定日期范围（或全部近期会话）的 specstory 历史文件。
- 从第一条消息中提取用户最初的意图。
- 追踪领域偏移：文件引用、工具调用模式、目标变化。
- 为每个会话评分，范围从 0（高度专注）到 100（最大程度偏离）。
- 汇总最严重的偏离会话和模式。
使用方式
斜杠命令
通过 /specstory-yak 调用时，解释用户的自然语言：
- /specstory-yak → --days 7（默认）
- /specstory-yak last 30 days → --days 30
- /specstory-yak this week → --days 7
- /specstory-yak top 10 → --top 10
- /specstory-yak january → --from 2026-01-01 --to 2026-01-31
- /specstory-yak from jan 15 to jan 20 → --from 2026-01-15 --to 2026-01-20
- /specstory-yak by modification time → --by-mtime
- /specstory-yak last 14 days as json → --days 14 --json
- /specstory-yak save to yak-report.md → -o yak-report.md
- /specstory-yak last 90 days output to report → --days 90 -o report.md
直接运行脚本
python /path/to/skills/specstory-yak/scripts/analyze.py [options]
参数：
- --days N：分析最近 N 天（默认 7）
- --from DATE：开始日期（YYYY-MM-DD）
- --to DATE：结束日期（YYYY-MM-DD）
- --path PATH：.specstory/history 的路径（未指定时自动检测）
- --top N：显示最严重的 N 个 yak shave（默认 5）
- --json：以 JSON 输出
- --verbose：显示详细分析
- --by-mtime：按文件修改时间而非文件名日期筛选
- -o, --output FILE：将报告写入文件（自动添加 .md 或 .json 扩展名）
示例：
- 分析最近 7 天：python scripts/analyze.py
- 分析最近 30 天并显示前 10：python scripts/analyze.py --days 30 --top 10
- 分析特定日期范围：python scripts/analyze.py --from 2026-01-01 --to 2026-01-28
- 按文件修改时间筛选：python scripts/analyze.py --days 7 --by-mtime
- JSON 输出：python scripts/analyze.py --days 14 --json
- 保存 Markdown 报告：python scripts/analyze.py --days 90 -o yak-report.md
- 保存 JSON 文件：python scripts/analyze.py --days 30 --json -o yak-data.json
输出内容
报告包含：分析会话数、平均 yak shave 分数、最严重的 yak shave 列表（含分数、日期、起始目标、最终结果、领域偏移次数与路径）、最专注的会话列表，以及检测到的模式（例如某类任务平均分最高、最安全的任务类型、高峰时段等）。
评分方法
yak shave 分数（0-100）由以下因素计算：
- 领域偏移：权重 40%，文件引用跳转领域的次数。
- 目标完成度：权重 25%，最初声明的目标是否完成。
- 会话长度比例：权重 20%，长度与原始请求复杂度的比值。
- 工具类型级联：权重 15%，Read→Search→Edit→Create→Deploy 的升级程度。
分数解读：
- 0-20：高度专注
- 21-40：轻微跑题
- 41-60：中度偏离
- 61-80：明显 yak shaving
- 81-100：史诗级兔子洞
向用户呈现结果
运行分析脚本后，必须在响应最顶部、显示原始报告输出之前，添加一段个性化的 LLM 生成摘要。摘要指南要求生成 3-5 句个性化评论：以一句诙谐的总体评价开头；具体点出最值得注意的会话；指出一个反复出现的模式；以可操作的建议或玩笑结尾。示例摘要会先给出总体评价，再点名最突出的会话，指出模式，最后给出建议或玩笑，然后才展示原始报告输出。
适用场景
适用于使用 SpecStory 记录 AI 编程会话、希望回顾自己是否频繁偏离原始目标的开发者。可用于定期复盘（如每周、每月）、识别容易导致偏离的任务类型或时间段，以及导出报告用于进一步处理。
限制
资料未提供该工具的安装方式、依赖要求、支持的平台、收费或价格信息，也未说明其对非 SpecStory 格式会话的兼容性。评分方法中各项权重的具体计算细节、LLM 摘要的生成方式（由谁生成、如何触发）暂未提供。