@chongyan/autospec 1.0.2 → 1.0.4

package/knowledge/03-guides/23-infer-scope.md

@@ -1,174 +0,0 @@
----
-name: scope-inferencer
-description: 当需要智能推断需求涉及的项目范围时触发。基于项目结构和代码上下文，推断需求涉及的模块和技术栈。
-type: meta
----
-
-## 定位
-
-元技能。基于项目结构（确定性）和代码上下文（语义），智能推断需求涉及的模块和技术栈。
-
-## 输入
-
-- 必须输入：需求描述、项目结构分析结果
-- 可选输入：代码上下文（Grep结果）
-
-## 输出
-
-```json
-{
-  "modules": [
-    {
-      "name": "backend",
-      "path": "backend",
-      "relevance": "high",
-      "reason": "需求提到API接口，匹配到backend模块的FastAPI服务"
-    },
-    {
-      "name": "ai",
-      "path": "ai",
-      "relevance": "high",
-      "reason": "需求提到推荐功能，匹配到ai模块的推荐模型"
-    }
-  ],
-  "techStacks": [
-    {
-      "name": "FastAPI",
-      "relevance": "high"
-    },
-    {
-      "name": "PyTorch",
-      "relevance": "high"
-    }
-  ],
-  "dataAIComponents": {
-    "detected": true,
-    "needsEvaluation": true,
-    "components": ["推荐系统"]
-  },
-  "confidence": "high",
-  "reasoning": "整体推理过程说明"
-}
-```
-
-## 执行步骤
-
-### Step 1: 提取关键词（确定性）
-
-从需求中提取技术关键词：
-
-```
-技术关键词类型：
-- 系统关键词：后端、前端、移动端、API、界面、页面
-- 功能关键词：推荐、搜索、聊天、支付、登录
-- AI关键词：模型、智能、Agent、RAG、LLM
-- 数据关键词：数据、ETL、报表、统计
-```
-
-### Step 2: 匹配模块（确定性 + 语义）
-
-基于项目结构匹配相关模块：
-
-```
-确定性匹配：
-- 需求提到"后端API" → 匹配 type=backend 的模块
-- 需求提到"前端页面" → 匹配 type=frontend 的模块
-- 需求提到"移动端" → 匹配 type=mobile 的模块
-
-语义匹配（需要模型）：
-- 需求提到"推荐" → Grep搜索 "recommend" → 模型判断相关性
-- 需求提到"搜索" → Grep搜索 "search" → 模型判断相关性
-```
-
-### Step 3: 获取代码上下文（Grep，高效）
-
-对于不确定的匹配，使用 Grep 获取上下文：
-
-```bash
-# 搜索关键词相关文件
-grep -r -l -i "keyword" --include="*.{js,ts,py,java,go}" . | head -20
-
-# 获取匹配行附近内容
-grep -A 3 -B 3 -i "keyword" "file" | head -20
-```
-
-**效率控制**：
-- 最多搜索 3 个关键词
-- 每个关键词最多返回 5 个文件
-- 每个文件最多读取 20 行上下文
-
-### Step 4: 语义分析（模型）
-
-基于有限上下文进行语义判断：
-
-```
-模型输入：
-{
-  "requirement": "需求描述",
-  "projectModules": ["backend (FastAPI, backend)", "ai (PyTorch, ai)"],
-  "codeContexts": "[backend/api.py]\ndef recommend_items(user_id): ...",
-  "task": "判断需求涉及哪些模块，输出JSON格式"
-}
-```
-
-### Step 5: 输出结果
-
-汇总确定性匹配和语义匹配结果，输出带置信度的范围推断。
-
-## 置信度判断
-
-| 置信度 | 条件 |
-|--------|------|
-| **high** | 确定性匹配 + 语义匹配一致 |
-| **medium** | 只有确定性匹配 或 语义匹配置信度高 |
-| **low** | 只有语义匹配置信度中等 或 无匹配 |
-
-## 调用时机
-
-- 需求分析阶段开始时
-- 项目结构检测完成后
-- 用户输入需求后
-
-## 示例
-
-**输入**：
-```
-需求：开发用户收藏夹功能，用户可以收藏商品，在收藏夹页面查看和管理
-
-项目结构：
-- backend (FastAPI, backend)
-- frontend (React, frontend)
-- mobile (React Native, mobile)
-```
-
-**输出**：
-```json
-{
-  "modules": [
-    {
-      "name": "backend",
-      "path": "backend",
-      "relevance": "high",
-      "reason": "收藏夹需要后端API支持，匹配到backend模块"
-    },
-    {
-      "name": "frontend",
-      "path": "frontend",
-      "relevance": "high",
-      "reason": "需求提到收藏夹页面，匹配到frontend模块"
-    },
-    {
-      "name": "mobile",
-      "path": "mobile",
-      "relevance": "medium",
-      "reason": "收藏功能通常也需要移动端支持，但需求未明确提及"
-    }
-  ],
-  "techStacks": [
-    {"name": "FastAPI", "relevance": "high"},
-    {"name": "React", "relevance": "high"}
-  ],
-  "confidence": "high",
-  "reasoning": "需求明确提到收藏夹页面，后端API和前端页面是确定需要的。移动端未明确提及但通常需要，置信度中等。"
-}
-```

package/knowledge/03-guides/24-assess-complexity.md

@@ -1,270 +0,0 @@
----
-name: complexity-assessor
-description: 当需要判断任务复杂度以决定是否引入完整团队审查时触发
-type: support
----
-
-## 定位
-任务复杂度评估专用技能，用于决定触发哪些角色参与审查，平衡效果与效率。
-
-**AI Native 理念**：评估时考虑AI相关复杂度，AI功能需要额外评估模型选型、效果验证等维度。
-
-## 配置文件依赖
-
-本评估器依赖以下配置文件：
-- `${KNOWLEDGE}/05-config/01-team-stage.yaml` - 团队阶段配置（获取角色触发规则）
-- `${KNOWLEDGE}/05-config/03-role-composition.yaml` - 角色组合规则（含动态决策树）
-
-## 输入
-- 任务描述
-- 项目上下文（技术栈、现有系统）
-- 需求文档（如有）
-- 团队阶段（seed/growth/mature，默认 growth）
-
-## 输出
-复杂度评估报告：
-```yaml
-score: 8                    # 总分（4-12分）
-level: medium               # 复杂度级别：simple/medium/complex
-teamStage: growth           # 团队阶段
-needsFullTeam: true         # 是否需要完整团队
-requiredRoles:              # 需要的角色列表（从配置读取）
-  - ceo
-  - product-owner
-  - tech-lead
-  - backend-engineer
-  - ai-engineer             # AI Native：中等复杂度也引入AI工程师
-triggeredRoles:             # 条件触发的角色
-  - security-engineer       # 触发原因：涉及用户数据
-dimensions:                 # 各维度评分
-  requirement: 2
-  technical: 2
-   2
-  business: 2
-aiNative:                   # AI Native 相关评估
-  involvesAI: true          # 是否涉及AI
-  aiComplexity: medium      # AI复杂度
-  needsAiEngineer: true     # 是否需要AI工程师
-```
-
-## 评估维度
-
-### 维度1：需求复杂度（1-3分）
-
-| 分数 | 描述 | 判断标准 |
-|------|------|----------|
-| 1 | 单一功能 | 只涉及一个独立功能点 |
-| 2 | 多功能关联 | 涉及多个相关功能，有依赖关系 |
-| 3 | 跨系统功能 | 涉及多个子系统，需要协调 |
-
-### 维度2：技术复杂度（1-3分）
-
-| 分数 | 描述 | 判断标准 |
-|------|------|----------|
-| 1 | 常规实现 | 使用现有技术栈，无新技术引入 |
-| 2 | 新技术/框架 | 引入新的技术或框架 |
-| 3 | 架构变更 | 涉及系统架构调整或重构 |
-
-### 维度3：数据敏感度（1-3分）
-
-| 分数 | 描述 | 判断标准 |
-|------|------|----------|
-| 1 | 非敏感数据 | 不涉及用户数据，仅内部配置/日志等 |
-| 2 | 内部数据 | 涉及内部业务数据 |
-| 3 | 用户隐私/资金 | 涉及用户隐私数据或资金相关 |
-
-### 维度4：业务复杂度（1-3分）
-
-| 分数 | 描述 | 判断标准 |
-|------|------|----------|
-| 1 | 简单流程 | 单一用户角色，线性流程 |
-| 2 | 多角色流程 | 涉及多个用户角色或分支流程 |
-| 3 | 复杂决策流程 | 涉及复杂的业务规则或决策逻辑 |
-
-### 维度5：AI复杂度（AI Native 新增）
-
-| 分数 | 描述 | 判断标准 |
-|------|------|----------|
-| 0 | 不涉及AI | 无AI相关功能 |
-| 1 | AI辅助功能 | AI作为辅助，不影响核心流程 |
-| 2 | AI核心功能 | AI是核心功能，需要效果验证 |
-| 3 | AI系统重构 | 涉及AI架构调整或模型更换 |
-
-## 执行步骤
-
-### Step 1: 读取配置文件
-
-**【强制】** 读取团队阶段配置：
-
-```
-1. 读取 ${KNOWLEDGE}/05-config/01-team-stage.yaml
-   - 获取当前团队阶段（seed/growth/mature）
-   - 默认使用 growth 阶段
-   - 获取 mandatoryTriggers（强制触发规则）
-
-2. 读取 ${KNOWLEDGE}/05-config/03-role-composition.yaml
-   - 获取角色组合规则
-   - 获取 decision_tree（动态决策树）
-```
-
-### Step 2: 收集信息
-1. 读取任务描述和需求文档
-2. 读取项目配置（.autospec/runtime/config.json）
-3. 识别涉及的子系统
-4. 识别是否涉及AI功能
-
-### Step 3: 评估各维度
-逐个维度评估，记录判断依据：
-```
-需求复杂度：2分
-  - 理由：涉及用户管理+权限管理两个相关功能
-
-技术复杂度：1分
-  - 理由：使用现有技术栈，无新技术
-
-数据敏感度：3分
-  - 理由：涉及用户个人信息
-
-业务复杂度：2分
-  - 理由：涉及管理员和普通用户两个角色
-
-AI复杂度：2分
-  - 理由：AI推荐功能是核心功能，需要效果验证
-```
-
-### Step 4: 计算总分
-总分 = 各维度分数之和（4-12分，不含AI维度）
-
-AI维度单独评估，用于决定是否引入AI工程师。
-
-### Step 5: 确定角色列表（从配置读取）
-
-**【强制】** 从配置文件读取角色列表，不再硬编码：
-
-```
-角色确定流程：
-1. 从 team-stage.yaml 读取 {teamStage}.triggers.{level}
-2. 从 role-composition.yaml 读取 {stage}.{level}.roles
-3. 应用强制触发规则（mandatoryTriggers）
-4. 如果 AI复杂度 >= 1，确保 ai-engineer 在角色列表中
-```
-
-### Step 6: 输出报告
-生成结构化的复杂度评估报告
-
-## 复杂度级别判定
-
-| 总分 | 级别 | 说明 |
-|------|------|------|
-| 4-5 | simple | 简单任务，快速通道 |
-| 6-8 | medium | 中等任务，引入核心角色 |
-| 9-12 | complex | 复杂任务，引入完整团队 |
-
-## 强制触发规则（从配置读取）
-
-从 `team-stage.yaml` 的 `mandatoryTriggers` 读取：
-
-| 场景 | 强制引入角色 |
-|------|--------------|
-| 涉及用户数据 | security-engineer |
-| 涉及支付/资金交易 | security-engineer |
-| 涉及跨系统变更 | tech-lead, devops-engineer |
-| 涉及AI/模型 | ai-engineer |
-| 涉及数据分析/报表 | data-engineer |
-| 涉及AI效果评测 | ai-engineer, quality-engineer |
-
-## 示例
-
-### 示例1：简单任务
-
-**任务**：修改登录页面的提示文案
-
-**评估**：
-```yaml
-score: 4
-level: simple
-teamStage: growth
-needsFullTeam: false
-requiredRoles:
-  - ceo
-  - product-owner
-triggeredRoles: []
-dimensions:
-  requirement: 1  # 单一功能
-  technical: 1    # 常规实现
-  data: 1         # 非敏感数据
-  business: 1     # 简单流程
-aiNative:
-  involvesAI: false
-  aiComplexity: 0
-  needsAiEngineer: false
-```
-
-### 示例2：中等任务（含AI）
-
-**任务**：新增AI智能推荐功能
-
-**评估**：
-```yaml
-score: 7
-level: medium
-teamStage: growth
-needsFullTeam: false
-requiredRoles:
-  - ceo
-  - product-owner
-  - tech-lead
-  - backend-engineer
-  - ai-engineer           # AI Native：中等复杂度也引入AI工程师
-triggeredRoles:
-  - security-engineer     # 涉及用户数据
-dimensions:
-  requirement: 2  # 多功能关联
-  technical: 2    # 需要新增推荐模块
-   2         # 内部数据
-  business: 2     # 多场景触发
-aiNative:
-  involvesAI: true
-  aiComplexity: 2          # AI核心功能
-  needsAiEngineer: true
-```
-
-### 示例3：复杂任务
-
-**任务**：重构支付系统，支持多种支付方式
-
-**评估**：
-```yaml
-score: 11
-level: complex
-teamStage: growth
-needsFullTeam: true
-requiredRoles:
-  - product-owner
-  - tech-lead
-  - backend-engineer
-  - frontend-engineer
-  - ai-engineer            # AI Native：复杂任务引入AI工程师
-  - data-engineer
-  - quality-engineer
-triggeredRoles:
-  - security-engineer      # 涉及支付
-  - devops-engineer        # 涉及架构变更
-dimensions:
-  requirement: 3  # 跨系统功能
-  technical: 3    # 架构变更
-  data: 3         # 资金数据
-  business: 2     # 多支付渠道
-aiNative:
-  involvesAI: false
-  aiComplexity: 0
-  needsAiEngineer: false
-```
-
-## 反模式清单
-
-1. **过度评估**：简单任务评估为复杂任务。检测：检查每个维度的判断依据是否充分
-2. **忽略强制触发**：忘记检查强制触发规则。检测：强制触发检查必须在最后执行
-3. **维度理解偏差**：对维度定义理解不一致。检测：严格按判断标准评估
-4. **忽略AI维度**：AI时代项目普遍涉及AI，必须评估AI复杂度
-5. **硬编码角色列表**：必须从配置文件读取角色列表

package/knowledge/03-guides/25-discover-component.md

@@ -1,183 +0,0 @@
----
-name: component-discovery
-description: 当需要发现项目中可复用的组件、工具、模块时触发。基于代码语义分析，识别与新需求相关的已有代码。
-type: meta
----
-
-## 定位
-
-元技能。分析项目已有代码，发现与新需求相关的可复用组件。
-
-## 输入
-
-- 必须输入：需求描述、项目结构分析结果
-- 可选输入：需求范围推断结果
-
-## 输出
-
-```json
-{
-  "reusableComponents": [
-    {
-      "name": "recommendation_engine",
-      "path": "ai/services/recommendation.py",
-      "type": "service",
-      "relevance": "high",
-      "description": "推荐引擎服务，支持用户个性化推荐",
-      "reusePotential": "可直接复用，需要扩展收藏场景"
-    },
-    {
-      "name": "pagination_util",
-      "path": "backend/utils/pagination.py",
-      "type": "utility",
-      "relevance": "medium",
-      "description": "通用分页工具",
-      "reusePotential": "可用于收藏夹列表分页"
-    }
-  ],
-  "relatedFiles": [
-    "backend/models/user.py",
-    "backend/models/product.py"
-  ],
-  "suggestions": [
-    "建议复用 recommendation_engine，扩展收藏场景支持",
-    "建议复用 pagination_util 处理收藏夹列表"
-  ]
-}
-```
-
-## 执行步骤
-
-### Step 1: 提取需求核心概念（确定性）
-
-从需求中提取核心概念：
-
-```
-核心概念类型：
-- 实体：用户、商品、订单、收藏夹
-- 操作：创建、查询、更新、删除、列表
-- 属性：名称、状态、时间
-```
-
-### Step 2: Grep搜索相关代码（高效）
-
-基于核心概念搜索代码：
-
-```bash
-# 搜索实体相关文件
-grep -r -l -i "user\|product\|favorite" --include="*.py" . | head -20
-
-# 搜索工具函数
-grep -r -l -i "pagination\|list\|query" --include="*.py" . | head -10
-```
-
-**效率控制**：
-- 按概念优先级搜索，最多 5 个概念
-- 每个概念最多返回 10 个文件
-
-### Step 3: 分析代码结构（确定性）
-
-对搜索到的文件进行结构分析：
-
-```
-分析维度：
-- 文件类型：service、model、util、controller
-- 导出内容：类、函数、常量
-- 依赖关系：import 语句
-```
-
-### Step 4: 语义判断复用潜力（模型）
-
-基于代码上下文判断复用潜力：
-
-```
-模型输入：
-{
-  "requirement": "需求描述",
-  "codeFiles": [
-    {
-      "path": "ai/services/recommendation.py",
-      "preview": "class RecommendationEngine:\n    def recommend(user_id, context): ..."
-    }
-  ],
-  "task": "判断这些代码是否可复用于当前需求，输出复用建议"
-}
-```
-
-### Step 5: 输出结果
-
-汇总可复用组件和相关文件，输出复用建议。
-
-## 组件类型
-
-| 类型 | 说明 | 复用潜力判断 |
-|------|------|-------------|
-| **service** | 业务服务 | 高 - 核心业务逻辑 |
-| **model** | 数据模型 | 高 - 数据结构定义 |
-| **util** | 工具函数 | 高 - 通用功能 |
-| **controller** | 控制器 | 中 - 需要适配 |
-| **config** | 配置 | 低 - 通常需要修改 |
-
-## 调用时机
-
-- 方案设计阶段，设计新功能前
-- 编码实现阶段，开始编码前
-- 评估工作量时
-
-## 示例
-
-**输入**：
-```
-需求：开发用户收藏夹功能
-
-项目结构：
-- backend/services/ (业务服务)
-- backend/models/ (数据模型)
-- backend/utils/ (工具函数)
-- ai/services/ (AI服务)
-```
-
-**Grep搜索**：
-```
-搜索 "user" → 找到 backend/models/user.py
-搜索 "product" → 找到 backend/models/product.py
-搜索 "list\|pagination" → 找到 backend/utils/pagination.py
-搜索 "recommend" → 找到 ai/services/recommendation.py
-```
-
-**输出**：
-```json
-{
-  "reusableComponents": [
-    {
-      "name": "User",
-      "path": "backend/models/user.py",
-      "type": "model",
-      "relevance": "high",
-      "description": "用户模型，包含用户基本信息",
-      "reusePotential": "可直接复用，收藏夹需要关联用户"
-    },
-    {
-      "name": "Product",
-      "path": "backend/models/product.py",
-      "type": "model",
-      "relevance": "high",
-      "description": "商品模型",
-      "reusePotential": "可直接复用，收藏夹需要关联商品"
-    },
-    {
-      "name": "paginate",
-      "path": "backend/utils/pagination.py",
-      "type": "utility",
-      "relevance": "high",
-      "description": "通用分页函数",
-      "reusePotential": "可直接复用，收藏夹列表需要分页"
-    }
-  ],
-  "relatedFiles": [],
-  "suggestions": [
-    "复用 User 和 Product 模型建立收藏夹关联",
-    "复用 paginate 函数处理收藏夹列表分页"
-  ]
-}
-```