如果你在代码仓库与终端里反复做复杂度热点分析，可以考虑把经验沉淀为一个 Skill：写清触发条件、步骤、输出格式和边界，让智能体代劳重复部分，人只负责把关。

把下面的清单保存下来，每次使用或修改「复杂度热点分析」技能时过一遍。

编写时

  • description 写清做什么、什么时候用
  • 输入写明需要仓库与 git 历史，并要求缺信息先提问
  • 步骤为编号列表：统计函数复杂度、统计近期提交频次、交叉排序、给出拆分建议
  • 输出写明热点文件排行与治理建议的结构
  • 约束包含领域底线与不可逆操作的处理方式
  • 长资料拆到参考文件

上线前

  • 6 类测试输入全部通过
  • 权限按最小范围配置
  • 技能文件中没有密钥和真实个人信息
  • 有负责人和变更记录

每次使用时

  • 输入材料已脱敏或确认可以交给所用平台
  • 观察智能体是否加载了技能
  • 查看“需人工确认”清单
  • 对照原始材料抽查关键信息
  • 风险较低，但输出仍需快速过目再使用

使用后

  • 记录明显的问题样例
  • 输出被大幅修改时，分析原因并考虑改技能
  • 定期检查平台更新是否影响技能

每一步的快速核对

  • 统计函数复杂度
  • 统计近期提交频次
  • 交叉排序
  • 给出拆分建议

清单只是底线，深入内容见常见坑与安全审查。

什么时候用这个技能

  • 手头有仓库与 git 历史，需要在较短时间内得到热点文件排行与治理建议
  • 同类任务每周出现多次，希望每次处理方式一致
  • 结果要交给同事或上级复核，需要统一的结构和清楚的依据
  • 新人接手这类工作，需要一个可以照着做的标准流程

反过来，如果只是偶尔做一次，或者任务高度依赖现场判断，直接和代码仓库与终端里的智能体对话即可，不必专门封装成技能。

交付物结构示例

建议把热点文件排行与治理建议固定成下面的结构（示意），方便复核与归档：

## 结论
一句话说明最重要的发现或结果

## 主要内容
- 统计函数复杂度：……
- 统计近期提交频次：……
- 交叉排序：……
- 给出拆分建议：……

## 依据
- 引用输入中的具体位置或数据

## 需人工确认
- ……（没有则写“无”）

结构固定之后，复核的人只要先看“结论”和“需人工确认”两部分，就能快速判断结果能否使用。

平台选择建议

同一个「复杂度热点分析」技能可以落在不同平台上，选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统：

  • Claude Code Skill：Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description。详见Claude Code Skill 版
  • GitHub Copilot 指令与提示文件：GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md。详见GitHub Copilot 指令与提示文件 版
  • OpenAI Agents SDK：OpenAI Agents SDK 是一个轻量的智能体开发框架。详见OpenAI Agents SDK 版

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码，可据此排除不支持相应能力的平台。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。