如何让 AI 基于源代码精准回答仓库问题
解决 AI 分析代码时的“幻觉”问题：通过强制 AI 仅使用源代码作为证据，实现对项目结构、函数逻辑和组件定义的精准问答，并要求其提供具体的代码行号引用。
为什么需要这个技能
在面对大型代码库时，AI 经常会根据训练数据中的通用知识来猜测代码逻辑，而非分析当前项目的实际实现。这种“幻觉”会导致开发者在定位问题或学习新项目时被误导。
本技能通过建立一套严格的证据链机制，要求 AI 在给出任何结论前必须先检索文件、阅读源码，并像写学术论文一样在答案中通过 (path/to/file:line) 标注引用来源。这确保了 AI 的每一个结论都可以在源码中找到对应的物理位置。
适用场景
- 快速上手新项目：当你进入一个陌生仓库，想知道“某个功能模块是如何实现的”或“某个核心类在哪里定义”时。
- 代码审计与追踪：需要分析特定函数的调用链路或组件之间的依赖关系。
- 技术文档补齐：将 AI 总结的源码分析结果直接转化为项目的 Wiki 或 README 文档。
核心工作流
- 语言检测与匹配：识别用户提问的语言，确保分析结论以同样的语言反馈。
- 代码库检索：基于关键词在仓库中搜索相关文件，定位潜在的逻辑实现点。
- 证据采集：深入读取选定文件的具体内容，提取关键的代码段和逻辑流。
- 结构化合成：使用标题、代码块和表格组织答案，并在每条结论后标注行号引用。
- 缺失处理：若源码中找不到相关信息，必须诚实告知且不尝试猜测，并建议用户检查哪些潜在文件。
下载和安装
解压后将目录放入你的 AI 工具 skills 文件夹，重启工具后即可使用。具体路径参考内附的 USAGE.zh.md。
你可能还需要
暂无推荐