把「遗留代码考古」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（代码片段与 git 历史），按什么顺序处理，交付什么（成因说明与修改建议），哪些事不能做。Skill 就是把这些写下来的载体。

本文介绍如何在 GPTs 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目说明
技能遗留代码考古（legacy-reader）
作用结合提交历史解释一段遗留代码为何这样写
输入代码片段与 git 历史
输出成因说明与修改建议
形态带脚本
风险低
适用人群开发者

处理流程分四步：

  1. 定位相关提交
  2. 阅读提交信息与关联讨论
  3. 总结设计背景
  4. 给出安全修改建议

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；风险较低，但输出仍需快速过目再使用。

在 GPTs 中是什么形态

GPTs 是在 ChatGPT 中创建的定制版助手，可以设置指令（Instructions）、上传知识文件、开启所需能力，并通过 Actions 调用外部 API。

创建与分享的权限取决于账户类型与工作区设置，以 OpenAI 官方说明为准。

示例配置

# Instructions（指令）示意
你是「遗留代码考古」助手。用户会提供代码片段与 git 历史。
1. 定位相关提交
2. 阅读提交信息与关联讨论
3. 总结设计背景
4. 给出安全修改建议
输出：成因说明与修改建议。
- 改动前确认有测试与版本控制，一次只改一类问题。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。
知识文件中的规范优先于你的通用习惯；找不到依据时直说。

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在开发者提出相关请求时能对上号；二是约束部分要写进「改动前确认有测试与版本控制，一次只改一类问题」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 在 GPT 编辑器中新建 GPT，填写名称与描述
  2. 在 Instructions 中写入技能步骤、输出格式与约束
  3. 上传团队规范、模板等知识文件
  4. 需要外部数据时配置 Actions（OpenAPI 描述）
  5. 在预览中测试后保存，并设置分享范围

实操：一次完整的运行

假设你在代码仓库与终端中发出这样的请求（虚构示例）：

帮我做一下遗留代码考古，材料是附上的代码片段与 git 历史。

智能体识别到任务与「遗留代码考古」相关后，会依次定位相关提交、阅读提交信息与关联讨论、总结设计背景、给出安全修改建议。最终交付成因说明与修改建议，并在末尾列出需要人工确认的内容。你的工作是对照原始代码片段与 git 历史抽查两三处关键信息，确认无误后再使用。

测试与验收

在预览窗口用正常、缺信息和越界三类请求测试，确认指令中的边界有效。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准代码片段与 git 历史，检查输出是否完整
  • 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
  • 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

  • 知识文件包含不应外泄的信息却设置了公开分享。
  • Instructions 过长且结构混乱，关键规则被忽略。
  • 只写了步骤，没写交付格式，导致每次输出的成因说明与修改建议结构不同。
  • 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

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。