SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场leverage-point-audit

leverage-point-audit

编程与开发

查看项目

更新于 10-16 05:28

技能介绍

用途

Leverage Point Audit 用于审计代码库，对照“智能体编程 12 个杠杆点”框架找出差距，从而提升智能体编程的成功率。

何时使用

  • 在启动新的智能体编程项目之前
  • 当智能体失败或需要多次尝试时
  • 当 KPI（Size、Attempts、Streak、Presence）没有改善时
  • 用于对智能体能力进行定期健康检查

12 个杠杆点

In-Agent（核心四项）

  • Context：CLAUDE.md、README、项目文档
  • Model：选择合适的模型
  • Prompt：清晰的指令和模板
  • Tools：具备所需能力

Through-Agent（外部）

  • Standard Out：用于可见性的日志
  • Types：信息密集关键词（IDK）
  • Documentation：面向智能体的上下文
  • Tests：自我纠正能力（最高杠杆）
  • Architecture：可导航的代码库结构
  • Plans：元工作沟通
  • Templates：可复用提示（斜杠命令）
  • ADWs：自主工作流

审计工作流

第 1 步：检查上下文（杠杆点 1-4）

CLAUDE.md 是否存在：

  • 搜索：CLAUDE.md、.claude/CLAUDE.md
  • 检查：是否说明项目？约定？常用命令？

README.md 质量：

  • 搜索：README.md
  • 检查：是否说明结构？如何运行？如何测试？

权限配置：

  • 搜索：.claude/settings.json
  • 检查：所需工具是否被允许？

第 2 步：检查可见性（杠杆点 5）

标准输出模式：

  • 搜索：print(、console.log(、logger.、logging.
  • 检查：成功和错误情况是否都被记录？
  • 检查：智能体能否看到正在发生什么？

反模式检测：

  • 查找：静默返回、裸 except 块、空 catch 块
  • 这些会阻碍智能体可见性。

第 3 步：检查可搜索性（杠杆点 6）

类型定义：

  • 搜索：interface、type、class、BaseModel、dataclass
  • 检查：名称是否信息密集？（好：UserAuthToken，差：Data）

第 4 步：检查文档（杠杆点 7）

内部文档：

  • 搜索：*.md 文件、docstrings、注释
  • 检查：是否解释 WHY，而不仅是 WHAT？

第 5 步：检查验证（杠杆点 8）——最高优先级

测试是否存在：

  • 搜索：test_.py、.test.ts、.spec.ts、_test.go
  • 检查：测试是否存在？是否全面？

测试命令：

  • 检查：是否有简单的测试命令？（npm test、pytest 等）
  • 检查：测试是否运行迅速？

第 6 步：检查架构（杠杆点 9）

入口点：

  • 检查：入口点是否明显？（main.py、index.ts、server.py）

文件组织：

  • 检查：结构是否一致？相关文件是否分组？
  • 检查：文件大小是否合理？（< 1000 行）

第 7 步：检查模板（杠杆点 11）

斜杠命令：

  • 搜索：.claude/commands/
  • 检查：常见工作流是否已自动化？

第 8 步：检查 ADW（杠杆点 12）

自动化：

  • 搜索：GitHub Actions、hooks、triggers
  • 检查：工作流是否已自动化？

输出格式

审计后提供：

汇总表

杠杆点 状态 优先级 建议
Context Good/Fair/Poor High/Med/Low 具体行动
... ... ... ...

优先行动

按影响程度列出前 3-5 项改进：

  • [最高影响] - 具体建议
  • [高影响] - 具体建议
  • [中影响] - 具体建议

详细发现

针对每个杠杆点：

  • 当前状态
  • 发现的具体差距
  • 建议的改进
  • 良好示例

审计输出示例

## Leverage Point Audit Results

### Summary
- Tests: POOR (no test files found) - HIGHEST PRIORITY
- Standard Out: FAIR (some logging, missing error cases)
- Architecture: GOOD (clear structure, reasonable file sizes)

### Priority Actions
1. Add test suite - enables self-correction
2. Add error logging to API endpoints - enables visibility
3. Create /prime command - enables quick context

### Detailed Findings
[... specific recommendations ...]

相关记忆文件

  • @12-leverage-points.md - 完整框架参考
  • @agentic-kpis.md - 如何衡量改进
  • @agent-perspective-checklist.md - 快速任务前检查清单

版本历史

  • v1.0.0（2025-12-26）：初始发布

最后更新

  • 日期：2025-12-26
  • 模型：claude-opus-4-5-20251101