---

name: analyze-project description: 用于 Antigravity 会话的取证式根因分析器。分类范围偏差、返工模式、根本原因、热点，并自动改进提示/健康状况。 risk: unknown source: community version: "1.0" tags: [analysis, diagnostics, meta, root-cause, project-health, session-review]

/analyze-project — 根因分析工作流

分析 ~/.gemini/antigravity/brain/ 中的 AI 辅助编码会话，生成报告，不仅解释发生了什么，还解释为什么发生、谁/什么导致的，以及下次应该改变什么。

目标

对于每个会话，确定：

1. 从初始请求到最终执行工作之间发生了什么变化
2. 主要原因是否为：
   • 用户/规格
   • 代理
   • 代码库
   • 验证/测试
   • 合理的任务复杂性
3. 开始提示是否充分
4. 哪些文件/子系统反复与困难相关
5. 哪些改变最能改善未来会话

何时使用

• 需要对 AI 辅助编码会话进行事后分析，特别是发生范围漂移或反复返工时。
• 需要将用户/规格问题与代理错误、代码库摩擦或验证缺口分开的根因分析。
• 需要基于证据的建议来改进未来的提示、代码库健康或交付工作流。

全局规则

• 将 .resolved.N 计数视为迭代信号，而非失败证明
• 区分人为添加的范围、必要发现的范围和代理引入的范围
• 区分代理错误和代码库摩擦
• 每个诊断必须包含证据和置信度
• 置信度级别：
  • 高 = 直接的工件/时间戳证据
  • 中 = 多个支持信号
  • 低 = 合理推断，未直接证明
• 证据优先级：
  • 工件内容 > 时间戳 > 元数据摘要 > 推断
• 如果证据薄弱，如实说明

---

步骤 0.5：会话意图分类

从目标和工件中分类主要会话意图：

• DELIVERY（交付）
• DEBUGGING（调试）
• REFACTOR（重构）
• RESEARCH（研究）
• EXPLORATION（探索）
• AUDIT_ANALYSIS（审计分析）

记录：

• session_intent
• session_intent_confidence

使用意图来为严重性和返工形态提供上下文。 不要用与窄交付会话相同的标准来评判探索性或研究性会话。

---

步骤 1：发现对话

1. 从系统上下文中读取可用的对话摘要
2. 列出用户 Antigravity brain/ 目录中的对话文件夹
3. 构建对话索引，包含：
   • conversation_id
   • title
   • objective
   • created
   • last_modified
4. 如果用户提供了关键词/路径，过滤匹配的对话；否则分析全部

输出：待分析的对话索引列表。

---

步骤 2：提取会话证据

对于每个对话，如存在则读取：

核心工件

• task.md
• implementation_plan.md
• walkthrough.md

元数据

• *.metadata.json

版本快照

• task.md.resolved.0 ... N
• implementation_plan.md.resolved.0 ... N
• walkthrough.md.resolved.0 ... N

额外信号

• 其他 .md 工件
• 工件更新的时间戳
• 计划/演练中提到的文件/文件夹/子系统名称
• 验证/测试语言
• 明确的验收标准、约束、非目标和文件目标

---

步骤 3：提示充分性

对开始请求按 0-2 分制评分：

• 清晰度
• 边界性
• 可测试性
• 架构具体性
• 约束意识
• 依赖意识

生成：

• prompt_sufficiency_score
• prompt_sufficiency_band = 高 / 中 / 低

然后记录哪些缺失的提示要素可能导致了后续摩擦。 默认不惩罚简短提示；窄而明显的任务仍可具有高充分性。

---

步骤 4：范围变更分类

将范围变更分类为：

• 人为添加的范围 — 超出原始任务的新请求
• 必要发现的范围 — 正确完成原始任务所需的工作
• 代理引入的范围 — 代理引入的可能不必要的工作

局限性

• 仅在任务明确匹配上述描述范围时使用此技能。
• 不要将输出视为特定环境验证、测试或专家审查的替代品。
• 如果缺少必要的输入、权限、安全边界或成功标准，请停下来寻求澄清。