
关于
Antigravity 会话的取证根因分析器。分类范围偏差、返工模式、根本原因、热点并自动改进提示词/健康度
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:
- 从初始请求到最终执行工作之间发生了什么变化
- 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
- 开始提示是否充分
- 哪些文件/子系统反复与困难相关
- 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_intentsession_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
- 从系统上下文中读取可用的对话摘要
- 列出用户 Antigravity
brain/目录中的对话文件夹 - 构建对话索引,包含:
conversation_idtitleobjectivecreatedlast_modified
- 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.mdimplementation_plan.mdwalkthrough.md
元数据
*.metadata.json
版本快照
task.md.resolved.0 ... Nimplementation_plan.md.resolved.0 ... Nwalkthrough.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_scoreprompt_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。
兼容工具
Claude CodeCursor
标签
AI与机器学习