「遗留代码考古」智能体 Skill 是什么：能做什么、适合谁、怎么开始
开发者经常要做「遗留代码考古」这类事：结合提交历史解释一段遗留代码为何这样写。每次都从头写提示词，结果时好时坏；把它做成智能体 Skill，就能让智能体每次按同一套步骤执行，输出结构也更稳定。
一句话说明
「遗留代码考古」技能让智能体结合提交历史解释一段遗留代码为何这样写。你提供代码片段与 git 历史，它按固定步骤处理，交付成因说明与修改建议。
| 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 |
它解决什么问题
没有技能时，开发者每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：
- 每次都按同样的顺序执行：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
- 输出结构固定，便于复核和归档
- 领域规矩（如「改动前确认有测试与版本控制，一次只改一类问题」）写在技能里，不靠临时提醒
适合与不适合
适合：经常处理代码片段与 git 历史、希望结果格式统一、愿意花十分钟把流程写清楚的开发者。
不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。
可以在哪些平台实现
同一个技能的思路可以落在不同平台上，常见选择有：
- Claude 应用中的 Skills：在 Claude 的网页或桌面应用里
- Gemini CLI：Gemini CLI 会读取项目中的 GEMINI.md 作为长期上下文
- Windsurf Rules：Windsurf 的规则用于约束 Cascade 智能体的行为
- OpenAI Agents SDK：OpenAI Agents SDK 是一个轻量的智能体开发框架
怎么开始
建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。
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。
智能体与人的分工
技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：
| 步骤 | 智能体负责 | 人负责 |
|---|---|---|
| 定位相关提交 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 阅读提交信息与关联讨论 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 总结设计背景 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 给出安全修改建议 | 按指令完成并给出依据 | 抽查关键处，确认无误 |
| 最终交付 | 整理成因说明与修改建议 | 决定是否采用、是否对外 |
风险较低，但输出仍需快速过目再使用。
准备一份好范例
在技能的参考资料里放一份你认可的成因说明与修改建议范例，往往比多写十条规则更有效。好范例应当：
- 来自真实工作，但已去除个人信息和敏感数据
- 体现团队习惯的结构、措辞和详略程度
- 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
- 篇幅适中，不要比平时的产出长太多
范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。
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。