SuperAPI AI 工具集

repo-deep-dive

编程与开发

查看项目

更新于 11-05 16:17

技能介绍

用途

Repo Deep Dive 用于对一个开源仓库做全面、结构化的技术深挖,把一份深度研究文档(来自 Claude、ChatGPT、Gemini 的 Deep Research 会话,或手写简报)与本地已克隆的源码结合,产出一整套技术参考文档,使读者能在较短时间内理解十万行以上代码量的代码库。

主要能力

  • 以深度研究文档提供项目背景和社区视角,以代码分析提供可追踪、可度量的实现细节。
  • 分阶段推进:定位知识库、定位与提取数据(LoC、提交数、贡献者数)、梳理架构并生成 Mermaid 架构图、逐子系统深挖、对比评估、必要时做知识库整合。
  • 对多个子系统使用并行子代理(subagents)进行探索。
  • 可对照参考项目,产出对比、收敛分析与前沿评估(哪些是新颖点、哪些是行业通用能力、哪些值得构建)。
  • 若目标与既有计划或台账(如 START-HERE.md、BUILD-PLAN.md、docs/REMAINING-WORK.md)相关,可把发现通过 plan-intake 技能转为可追踪条目。

使用方式

  1. 默认把当前所在的工作目录当作目标仓库,先用 git rev-parse --show-toplevel 确认;用一句话陈述该假设再继续。只有用户明确指向另一个无法解析到路径的项目,或当前目录不是 git 仓库时才提问一次。
  2. 准备一份深度研究 Markdown 文档;先检查仓库的 docs/ 和检测到的知识库的 research/sources 区域是否已有,没有时建议用户先进行约 5 分钟的深度研究会话。
  3. 确认输出目录:技能不内置默认值;若检测到深研究或 Obsidian 知识库,把其约定作为推荐默认值,但仍需用户确认。
  4. 按六阶段执行,最终产物写入 {output_dir}/{project}_deepdive/source-material/。

输出结构

文档序列通常包括:00 INDEX.md(目录、生成元数据、阅读指南)、01 project-overview.md、02 architecture.md、03-09 各子系统文档(数量与命名随项目变化)、10 及以后 comparison.md、convergence-analysis.md、frontier-assessment.md。每篇建议 80-300 行,引用具体文件与函数而非大段代码,用“按数字”表格呈现精确计数,用 Mermaid 图(flowchart TB 加子图表示分层架构,sequenceDiagram 表示请求流),并在文档间交叉引用。

适用场景

适合需要快速全面理解大型开源代码库、进行技术选型对比、评估项目新颖性与可构建方向、或为知识库积累结构化研究资料的场景。

限制与注意

  • 技能明确偏向详尽文档;若只想快速熟悉项目,建议改用 Explore 子代理或 grep。
  • 禁止在未经确认的位置生成深挖文档系列;若目标是知识库,则需执行整合步骤(来源页、实体或概念页、对比页,以及索引与日志更新),否则会形成孤立文件夹。
  • 禁止在文件系统中猜测或搜索其他仓库来定位目标。
  • 子系统文档的数量和命名因项目而异;资料中未提供具体的收费、价格、平台支持或效果数据。