用途：对代码库进行系统化架构评估，涵盖模式识别、反模式检测、耦合与内聚分析、可扩展性审查和技术债识别，常用于系统设计评审、重构前的健康度盘点。
主要能力：1) 架构评估，从结构分析、设计原则（SOLID、DRY、关注点分离）、质量属性（可维护性、可测试性、可扩展性、可靠性）和风险评估四个维度展开，并按模块化25%、可维护性25%、可扩展性20%、可测试性15%、安全15%计算架构健康分（90-100优秀，70-89良好，50-69一般，低于50较差）。2) 模式识别，通过目录与代码特征识别MVC、MVVM、整洁架构、六边形、微服务、事件驱动、CQRS、仓储等模式，并评估实现一致性与偏差。3) 反模式检测，如上帝类、意大利面代码、大泥球、分布式单体、贫血领域模型、循环依赖。4) 耦合分析，区分内容、公共、控制、标记、数据、消息耦合，使用传入/传出耦合与不稳定指数 I=Ce/(Ca+Ce)。5) 内聚评估，使用LCOM4等指标。6) 可扩展性审查，关注无状态、数据分区、异步处理、缓存、数据库访问与依赖降级。7) 技术债清单与优先级矩阵（影响/工作量）。
使用方式：以自然语言指令调用，例如让技能对整个代码库做一次全面架构评估，或单独要求识别模式、分析技术债。可配合静态分析工具，如循环依赖检测 npx madge --circular src/、pydeps --show-cycles src/，复杂度分析 radon cc src/ -a -j，依赖健康检查 npm audit --json、pip-audit --format=json，以及依赖图可视化 npx madge --image deps.png src/。
适用场景：接手新代码库、重构前评估、发布前健康检查、技术债治理规划。限制：评估依赖代码库可访问性与已有文档，具体工具可用性和结果准确性随项目环境而异；资料未提供该技能的收费、平台与安装细节。