利用 AI 分析与治理代码技术债（Technical Debt）

解决项目维护困境：通过 AI 系统性地扫描代码库中的冗余、复杂度和架构缺陷，将其转化为可量化的成本，并制定一个基于投资回报率（ROI）的优先级治理方案。

为什么需要这个技能

在快速迭代的开发过程中，为了追求速度，团队不可避免地会留下“技术债”——如硬编码、缺乏测试的复杂逻辑或过时的库。如果不对其进行量化和治理，技术债会随着时间累积，导致开发速度大幅下降，Bug 率攀升，最终使项目陷入无法维护的僵局。

该技能赋予 AI 专家级的技术债分析能力，使其不仅能告诉你“代码写得不好”，还能通过计算“每年损失多少小时/金钱”来量化影响，帮助技术负责人说服利益相关者投入资源进行重构。

技术债盘点（Inventory）：AI 扫描代码库，将债项分为代码债（重复、复杂度过高）、架构债（边界模糊、单体臃肿）、测试债（覆盖率低）及基础设施债。
影响评估（Impact Assessment）：针对每个债项计算实际成本。例如：重复逻辑 × 修复次数 × 工程师时薪 = 年化成本。
构建指标看板（Dashboard）：定义关键 KPI（如循环复杂度、重复率、版本滞后数），将感性的“乱”转化为理性的数据。
优先级排序（Prioritization）：基于 ROI 将任务分为：
- 快速获胜（Quick Wins）：低投入、高收益。
- 中期改进：需要数周时间，改善核心模块。
- 长期战略：如引入 DDD 架构，需季度级规划。
实施与预防：采用渐进式重构（如 Facade 模式）逐步迁移，并配置 pre-commit 钩子和质量门禁防止债项回潮。

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。

暂无推荐