contributor-codebase-analyzer
通过分析每一次代码提交，为工程师提供基于证据的个人成长报告。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：contributor-codebase-analyzer。 它的用途是：通过分析每一次代码提交，为工程师提供基于证据的个人成长报告。 完整的 Skill 内容见：https://321skill.com/skills/contributor-codebase-analyzer/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“分析 github.com/alice-dev 在2024年第四季度的代码贡献，为她的年度评审提供依据。” 它会读取Alice在该时间段的所有提交差异，计算其代码准确率，识别其引入的设计模式或反模式，并生成一份包含具体提交证据的成长分析报告。你也可以说：“对比分析 github.com/alice-dev 和 github.com/bob-eng 在2024年的整体贡献，谁在简化代码复杂度方面表现更突出？”
介绍
传统的工程度量指标（如DORA）只关注开发速度，却无法衡量代码质量和设计价值。它们常常惩罚那些通过简化代码来提升架构质量的优秀工程师，而奖励那些制造大量代码变更但可能引入问题的行为。Contributor Codebase Analyzer 旨在解决这一问题，它不统计代码行数，而是深入阅读每一次提交的差异。
该技能通过分析指定时间段内（如季度或年度）每位贡献者的每一次提交差异来工作。它计算工程师的“准确率基线”（即代码无需修复即可上线的比例），检测设计改进和反模式（如调试代码被提交、空catch块），并识别工程师的优势（如防御性编程、代码简化）。所有分析结果都增量保存，以适应智能体的上下文限制，支持中断后恢复。
它非常适合技术负责人、工程经理以及希望获得客观、深入个人代码贡献分析的资深开发者。对于追求代码质量、团队技术成长和公平绩效评估的团队来说，这是一个宝贵的工具。
使用前请确保已安装 git，并根据代码仓库平台（GitHub或GitLab）安装相应的CLI工具（gh或glab）。分析过程需要读取完整的提交历史，对于大型仓库，首次分析可能需要较长时间。
核心特点
与仅统计提交数量、PR体积等“虚荣指标”的工具不同，本技能的核心是“阅读每一次提交的差异”，专注于代码变更的实质内容，能识别出简化复杂性的设计改进，而非鼓励代码量堆砌。
注意事项
不适合仅需要快速统计代码提交数量、PR合并速度等表面指标的轻量级场景。
常见问题
这个技能如何评估工程师的代码质量？
它不直接打分，而是通过分析提交差异，计算“准确率”，并具体指出反模式（如提交调试代码）和设计优势（如代码简化），提供基于证据的客观描述。
分析需要多久？数据会保存吗？
分析时间取决于仓库历史和贡献者数量。所有分析结果会增量保存，支持中断后从中断点恢复，适合在智能体有限的上下文窗口内处理大型项目。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/contributor-codebase-analyzer/raw/index.md 读取 contributor-codebase-analyzer 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/contributor-codebase-analyzer/raw/index.md（查看排版版本）