SuperAPI AI 工具集

investigation-patterns

编程与开发

查看项目

更新于 10-18 10:26

技能介绍

investigation-patterns 是一个用于代码调查与实现分析的技能,适合在用户要求“调查代码”“分析实现”“查找模式”“理解代码库”或“调试问题”时使用。其核心目标是在充分取证的基础上给出可核验的结论,而不是凭猜测作答。

用途与主要能力:该技能围绕代码库调查展开,强调为所有发现提供 path/to/file.ext:line_number 形式的文件与行号引用,并对调查结果标注置信度与覆盖率,便于判断结论的可靠程度。它建议在读取完整文件前优先使用符号级代码导航工具,独立验证结论而非仅确认既有假设,记录信息缺口与不明确之处,并通过多来源交叉检查提升置信度。

调查方法:资料给出了置信度分级(90-100 为直接代码证据或明确文档;70-89 为多来源的强推断;50-69 为存在缺口的合理推断;0-49 为推测或证据不足)以及覆盖率分级(90-100 为检查全部相关文件;70-89 为检查多数相关文件;50-69 为检查关键文件但存在缺口;0-49 为检查有限)。调试方面建议采用系统化阶段:复现、隔离、调查、提出假设、修复。

最佳实践:在提出解决方案前完成调查;在进入不熟悉的代码库添加功能前,先编写架构分析,涵盖现有模式、参考实现、集成点、风险以及明确的改动范围(包括无需改动的文件);将受阻于外部依赖的工作记录为延期决策,并设定可检查的重访条件;移除死代码前在源码与测试中进行语义引用确认,移除后执行构建或重载检查。

限制与升级:当证据链不完整、证据相互冲突、无法确定根因或调查发现安全问题时,应按错误升级机制处理;证据不足时不得猜测,应明确说明置信度与信息缺口,必要时请求补充上下文。该技能还提及与记忆操作、符号级代码导航、修复实现、外部文档核验、回归测试添加及需求澄清等相关技能配合使用,并可与代码库发现、结论交叉检查及冲突时的共识验证等智能体协作。资料未提供具体安装命令、收费方式或平台信息。