nexus-query by haaaiawd/nexus-skills
npx skills add https://github.com/haaaiawd/nexus-skills --skill nexus-query| 场景 | 调用 |
|---|---|
| 「这个文件有哪些类/方法,依赖什么」 | 是 |
| 「改这个接口/模块,哪些文件受影响」 | 是 |
| 「这个改动的影响半径是多大」 | 是 |
| 「项目里谁是真正的核心依赖节点」 | 是 |
| 「整个项目大概分哪几块」 | 是 |
用户希望生成完整的 .nexus-map/ 知识库 | 否 → 改用 nexus-mapper |
| 运行环境无 shell 执行能力 | 否 |
| 宿主机无本地 Python 3.10+ | 否 |
进入查询前 → 检查是否有 ast_nodes.json
├── 有(.nexus-map/raw/ast_nodes.json 或用户指定路径)→ 直接查询
└── 没有 → 运行 extract_ast.py 生成 → 再查询
# 默认路径(和 nexus-mapper 的 .nexus-map/ 兼容,可互通)
AST_JSON="$repo_path/.nexus-map/raw/ast_nodes.json"
GIT_JSON="$repo_path/.nexus-map/raw/git_stats.json" # 可选
# 若 ast_nodes.json 不存在,先创建目录再生成(约数秒)
mkdir -p "$repo_path/.nexus-map/raw"
python $SKILL_DIR/scripts/extract_ast.py $repo_path > $AST_JSON
# 若需要 git 风险数据(可选,仅在存在 .git 时)
python $SKILL_DIR/scripts/git_detective.py $repo_path --days 90 > $GIT_JSON
广告位招租
在这里展示您的产品或服务
触达数万 AI 开发者,精准高效
$SKILL_DIR为本 Skill 的安装路径(.agent/skills/nexus-query或独立 repo 路径)。
依赖安装(首次使用) :
pip install -r $SKILL_DIR/scripts/requirements.txt
# 文件骨架:类、方法、行号、import 清单
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --file <path>
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --file <path> --git-stats $GIT_JSON
# 反向依赖:谁 import 了这个模块(区分源码文件和测试文件)
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --who-imports <module_or_path>
# 影响半径:上游依赖 + 下游被依赖(X upstream, Y downstream)
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --impact <path>
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --impact <path> --git-stats $GIT_JSON
# 全仓库核心节点:按扇入(被引用最多)和扇出(引用最多)排序
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --hub-analysis [--top N]
# 按顶层目录聚合结构摘要
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --summary
| 模式 | 一句话价值 | 典型触发时机 |
|---|---|---|
--file | 不读源码也能掌握文件骨架,精确到行号 | 接手大型模块前;Bug 调查缩小读取区间 |
--who-imports | 改接口前的"炸弹清单"——列出所有调用方 | 删函数/改签名/重命名类之前,必须跑 |
--impact | 0 upstream, 24 downstream 一眼看清改动范围 | Sprint 估时;评估修改是局部手术还是全局手术 |
--hub-analysis | 找出真正的高耦合核心,不靠目录名猜 | 架构评审;技术债优先级排序 |
--summary | 5 秒建立全局分层认知,比 README 更客观 | 初次接触项目;识别循环依赖风险区域 |
| 你此刻的问题 | 用哪个 |
|---|---|
| 这个文件有哪些类/方法,各在哪几行 | --file |
| 改这个接口/删函数,哪些文件跟着改 | --who-imports |
| 这个改动最终影响多少模块 | --impact |
| 这个改动风险有多高(加 git 热度) | --impact --git-stats |
| 项目里谁是真正的高耦合中心 | --hub-analysis |
| 整个项目的模块分布和层级 | --summary |
| 连续重构,改完一处要看影响链 | --who-imports → --impact |
| 估算技术债改造的工作量 | --hub-analysis → --impact |
守则1: 先骨架再查询 使用 --impact 或 --who-imports 分析某个模块前,建议先用 --file 读取其骨架,理解职责和现有 import,避免对查询结果产生误判。
守则2: git-stats 是加分项,不是硬阻塞 没有 .git 或 git 历史不足时,跳过 git_detective.py,只用 AST 数据查询。
守则3: 路径匹配灵活但要验证 支持路径片段匹配(如 vision.py 可匹配 src/core/vision.py)。结果返回 [NOT FOUND] 时,先用 --summary 确认仓库中存在的模块路径格式,再重新查询。
守则4: 结果直接呈现,让数字说话 --impact 返回的 X upstream, Y downstream 是客观数字,直接告知用户,不用「可能影响较大」这类模糊词替代。
Weekly Installs
157
Repository
GitHub Stars
128
First Seen
14 days ago
Security Audits
Installed on
codex156
github-copilot155
gemini-cli155
cursor155
opencode155
kimi-cli154
智能代码探索工具smart-explore:AST解析结构化代码搜索与导航
689 周安装
OPC架构详解:Claude Code并行编排扩展,实现多代理协调与状态管理
229 周安装
编辑前先观察:代码调试与错误排查最佳实践,避免盲目修改提升开发效率
227 周安装
MCP链式管道:5个MCP工具串联实现端到端研发工作流,支持优雅降级
227 周安装
Braintrust 分析工具 - 追踪 Claude Code 会话模式、调试失败原因与优化 AI 开发效率
232 周安装
AI客户回复起草工具:draft-response技能详解,提升客服效率与专业性
392 周安装
TDD指南:Jest/Pytest/JUnit/Vitest测试驱动开发工具,自动生成测试和分析覆盖率
198 周安装