SuperAPI AI 工具集

complexity-analyzer

编程与开发

查看项目

更新于 11-14 08:43

技能介绍

complexity-analyzer 是一个专注于算法时间与空间复杂度自动化分析的技能,提供大 O 记号分析、详细推导以及优化建议。

用途 该技能用于分析代码和算法,确定以下内容:

  • 时间复杂度(大 O、大 Ω、大 Θ)
  • 空间复杂度(辅助空间与总空间)
  • 数据结构操作的摊还复杂度
  • 带逐步推理的复杂度推导
  • 优化机会与瓶颈识别

主要能力 核心分析功能包括:

  • 静态分析:循环结构分析(嵌套循环、依赖边界)、递归调用树分析、函数调用图遍历、分支条件影响分析。
  • 复杂度类型:时间复杂度(最坏、平均、最好情况)、空间复杂度(栈空间、堆分配、辅助空间)、摊还分析(聚合、记账、势能方法)、递归关系(主定理、代入法)。
  • 输出格式:带详细推导的大 O 记号、复杂度比较表、可视化复杂度图、优化建议。
  • 支持语言:Python(主要)、C++(完全支持)、Java(完全支持)、JavaScript/TypeScript(完全支持)、Go、Rust、C(部分支持)。

使用方式 命令行用法示例:

  • 分析 Python 函数:complexity-analyzer analyze --file solution.py --function two_sum
  • 分析 C++ 代码并输出详细推导:complexity-analyzer analyze --file solution.cpp --verbose
  • 比较多个实现:complexity-analyzer compare --files impl1.py impl2.py impl3.py

集成选项 可通过 MCP 服务器集成:

  • AST MCP Server(提供 AST 解析与复杂度分析):npm install -g @angrysky56/ast-mcp-server
  • Code Analysis MCP(自然语言代码探索与数据流分析):npm install -g code-analysis-mcp

也可结合基于 Web 的工具使用,如 TimeComplexity.ai 和 Big-O Calculator。

分析示例 输入代码 find_pairs 函数(双重循环查找配对)后,输出包括:

  • 时间复杂度 O(n^2),并给出外层循环 n 次、内层循环 (n-1)+(n-2)+…+1 = n(n-1)/2 次的逐步推导。
  • 空间复杂度 O(k)(k 为找到的配对数),最坏情况 O(n^2)。
  • 优化建议:使用哈希表实现 O(n) 时间复杂度和 O(n) 空间复杂度,以空间换时间。

输出遵循结构化 JSON 模式,包含函数名、语言、时间复杂度的最好/平均/最坏情况与推导步骤、空间复杂度的辅助/总空间与分项说明、优化建议(类型、描述、新复杂度、权衡)以及元数据(分析时间、置信度)。

适用场景 该技能可增强以下流程:复杂度优化(识别并修复复杂度瓶颈)、LeetCode 问题求解(验证解法复杂度)、算法实现(验证实现效率)、代码审查(以复杂度为重点的审查)。

分析模式与常见复杂度类 文档提供了循环分析模式表(单循环 O(n)、嵌套独立 O(n*m)、嵌套依赖 O(n^2)、对数 O(log n)、嵌套对数 O(n log n))、递归分析模式表(线性、二分、分治、指数)、主定理三种情况,以及常见复杂度类对照表(O(1) 到 O(n!))。

错误处理 定义了 PARSE_ERROR、UNSUPPORTED_CONSTRUCT、RECURSIVE_DEPTH、AMBIGUOUS_BOUNDS 等错误类型及其原因与解决方法。

最佳实践 建议标注约束条件、隔离函数逐个分析、考虑输入分布、审查推导步骤,并用基准测试验证理论分析。

限制 对 Go、Rust、C 仅提供部分支持;复杂控制流可能触发不支持构造错误;动态循环边界需要人工标注约束才能准确分析;递归过深时需要提供基准情况提示。