核心用法
Who Is Actor 是一款专注于 Git 仓库开发者行为分析的 AI 驱动工具。它最大的特点是零安装依赖——不执行任何 pip/npm 安装，不运行自定义脚本，完全依靠系统预装的 git 命令和标准 Unix 文本工具（cut、sort、awk、grep 等）采集数据，再由 AI 进行解读和评估。
用户只需用自然语言描述需求，如"分析 /path/to/project 仓库"、"对比 Alice 和 Bob 的提交习惯"或"生成开发者画像报告"，工具即自动执行一系列只读 git 命令，收集贡献者统计、提交时间分布、代码变更量、文件类型、bug 修复频率等数据，最终输出结构化的 Markdown 报告。
显著优点
1. 极致轻量：无需管理依赖版本，不污染目标环境，开箱即用
2. 安全可控：仅执行白名单内的只读命令（git log、git shortlog、git diff --stat 等），禁止任何写入操作、网络请求或任意代码执行
3. 隐私优先：强制使用作者名称（%an）而非邮箱（%ae），禁止输入含 @ 的参数，从源头避免个人信息泄露
4. 多层防护：提供 Dry-run 模式、严格的输入验证（路径、日期、作者名、分支名正则过滤）、敏感数据自动脱敏（API key、密码、私钥等正则匹配替换为 [REDACTED]）
5. 多语言支持：支持中英日韩及欧洲主要语言的自然语言触发
6. 六维评估体系：从提交习惯、工作习惯、开发效率、代码风格、代码质量、参与度六个维度量化分析，附带雷达图评分和改进建议
潜在缺点与局限性
- 数据盲区：无法捕捉代码审查、架构设计、技术讨论、团队指导等不产生 commit 的工作内容
- 身份归一难题：同一开发者可能因不同机器配置显示为不同名称，需手动维护
.mailmap文件 - 时区敏感：跨时区团队的工作时间分析可能产生偏差
- 大型仓库性能：全历史分析可能耗时较长，建议限定日期范围
- AI 解读主观性：评分标准虽有量化依据，但最终解读仍依赖 AI 的"主观判断"
- 参与度指数误用风险：官方明确警告该指数仅作宏观参考，严禁用于绩效考核、裁员、调薪等 HR 决策
适合人群
- 技术团队负责人需要快速了解团队代码贡献分布和协作健康度
- 开源项目维护者评估核心贡献者和 bus factor 风险
- 开发者自我复盘，优化个人工作节奏和代码提交习惯
- 需要进行轻量级代码审查准备，而不想部署复杂 DevOps 工具链的场景
常规风险
1. 命令注入：虽有多层输入验证，但若 AI Agent 实现不当，仍可能存在注入漏洞（官方建议先在测试仓库执行"Enforcement Verification Protocol"验证）
2. 敏感信息泄露：commit message 可能包含内部信息，工具虽提供脱敏规则，但无法保证 100% 覆盖所有变体
3. 伦理争议：未经告知分析团队成员可能引发信任危机，官方建议提前透明沟通
4. 误读数据：高参与度指数不等于高效，低参与度指数也可能反映深度思考型工作模式，需结合完整上下文理解