核心用法
Who Is Actor 是一款零依赖的 Git 仓库开发者分析技能，无需安装任何软件包或运行脚本，仅通过原生 git 命令采集数据，由 AI 进行六维度综合评估。
使用方法：直接向 AI 代理发送分析指令，如 "Analyze the repository at /path/to/project" 或 "Profile developers since 2024-01-01"，支持指定作者、日期范围、分支等参数。
数据收集流程：
1. 验证仓库路径、作者名、日期、分支等输入参数（严格防注入）
2. 执行白名单内的只读 git 命令：git shortlog -sn、git log、git diff --stat
3. 采集提交频率、代码增删、时间分布、文件类型、修复/回退提交等 20+ 指标
六维评估体系：
- 提交习惯（频率、消息质量、大提交占比）
- 工作习惯（作息规律、周末/深夜比例）
- 开发效率（净增长、返工率、代码流失率）
- 代码风格（规范提交、issue 引用、专注度）
- 代码质量（bug 修复率、回退频率、测试覆盖信号）
- 参与度指数（综合活跃度，0-100 反向计分）
---
显著优点
1. 真正零依赖：不安装 Python/Node 包，不执行任何外部脚本，纯 git CLI 即可运行
2. 隐私优先设计：全程不采集邮箱地址，仅用 %an 作者名，符合数据保护要求
3. 严格安全管控：命令白名单机制 + 多重输入验证（路径、作者、日期、分支），有效防御命令注入
4. 多语言场景适配：支持中文触发词（"代码分析""开发者画像"），国际化友好
5. 输出结构完整：含汇总表、个人雷达图、AI 评语、改进建议、团队对比、bus factor 风险警报
6. 伦理内置：参与度指数附带明确使用限制声明，禁止用于绩效/裁员/薪酬决策
---
潜在缺点与局限
1. 数据盲区：无法捕获代码评审、架构设计、技术讨论、团队指导等非提交工作；同一人的多个姓名变体需手动统一（.mailmap）
2. 指标片面性：参与度指数本质为"可见活跃度"，高得分可能反映过度提交或工作方式问题，而非效率低下
3. 时区误差：提交时间基于提交者本地时区，跨时区团队的工作时段分析可能失真
4. 大仓库性能：未限制历史深度时，全量 log 分析可能耗时较长
5. 评判主观性：六维度评分标准（如"良好提交消息"定义）依赖 AI 解释，不同模型可能有差异
6. 伦理依赖用户自律：工具内置警告但无法阻止滥用，高风险场景（如管理者用于裁员）缺乏技术拦截
---
适合人群
- 技术团队负责人：了解成员协作模式，识别流程改进点
- 工程效能团队：作为数据参考辅助 retrospectives
- 开源项目维护者：分析贡献者分布，评估 bus factor 风险
- 个人开发者：自我复盘提交习惯与代码质量
明确不适合：需要精确绩效量化的人力资源部门、寻求"裁员名单"的管理者、期望替代 360 度评估的场景。
---
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 命令注入 | 恶意构造的 repo_path/author 可能执行任意代码 | 严格白名单验证 + 正则过滤 |
| 隐私泄露 | git log 默认包含邮箱 | 强制使用 `-sn` 而非 `-sne`，禁用 `--author` 邮箱匹配 |
| 误判风险 | 参与度指数被断章取义用于 HR 决策 | 报告多处醒目标注限制，用户承担伦理责任 |
| 数据误读 | 低参与度得分被误解为"懒惰" | 强调非代码贡献未被计入，建议面谈核实 |
| 团队信任损害 | 秘密分析引发成员反感 | 建议提前告知所有被分析者（透明度原则）|