用途：gap-analysis 是一套系统化方法，用于识别哪些源文件和函数缺少足够的测试覆盖，并产出结构化缺口报告，供 convergence-loop 技能消费。
主要能力：
- 检测项目类型：扫描项目根目录的标记文件确定技术栈配置，如 pyproject.toml 含 fastapi/starlette 对应 python-fastapi，含 PySide6/PyQt6 对应 python-pyside6，含 django 对应 python-django，manifest.json 含 domain 键且有 custom_components/ 目录对应 home-assistant，Package.swift 或 *.xcodeproj 对应 swift-swiftui，无框架匹配则用通用 Python（pytest 约定），无标记则询问用户。若检测失败或配置不存在，可询问用户是否创建 profiles/<stack-name>/SKILL.md。部分匹配时可建议更新配置；多框架项目加载一个主配置，次要组件按需参考其他配置。
- 确定适用测试类别：从匹配的配置加载类别。单元（单函数/类，模拟依赖）与集成（多组件，真实依赖）始终适用；端到端、UI、契约、安全由配置决定。仅分析配置标记为适用的类别。
- 盘点现有测试：用 Glob 按配置的发现约定查找测试文件，按目录结构或 pytest 标记分类，统计各类别测试数量，并行批量读取测试文件（4000 行以内完整读取）。
- 盘点源文件：查找所有非测试源文件，排除 pycache、.pyc、迁移文件、生成文件、配置文件、构建产物、虚拟环境等。
- 按类别映射覆盖：先分类现有测试（优先目录结构，其次 pytest 标记，两者皆无则保守归为单元，故意多报非单元类别的缺口）；再对每个源文件、每个适用类别判断是否存在引用该源文件的对应类别测试。这是结构性映射，非运行时覆盖率。
- 识别并排序缺口：按公共 API 表面（最高）、复杂逻辑、近期变更、错误处理路径排序。
- 输出缺口报告：包含项目名、配置、日期、分析源文件数、缺口总数表格（优先级/文件/类别/描述）、类别汇总表（类别/是否适用/现有测试数/缺口数）。
使用方式：作为技能加载后按上述步骤执行，最终报告直接输入 convergence-loop 技能，后者优先生成最高优先级缺口的测试。
适用场景：需要系统排查测试覆盖盲区的项目，尤其是多类别测试（单元、集成、端到端、UI、契约、安全）并存时。
限制：仅做结构性映射，不执行测试套件，运行时覆盖率需在 convergence-loop 阶段获得；无匹配配置时结果准确性下降；分类回退策略会多报非单元类别缺口。具体安装命令、收费与价格信息暂未提供。