Who Is Actor

核心用法

who-is-actor 是一款基于原生 Git CLI 的开发者画像分析工具，无需安装任何依赖或运行脚本。用户指定仓库路径、目标作者、时间范围和分支后，工具通过 git shortlog、git log、git diff --stat 等只读命令采集数据，从提交习惯、工作习惯、研发效率、代码风格、代码质量、参与度六个维度生成评估报告。

触发场景：团队代码审查、开发者能力评估、协作模式诊断、工程效率优化。

---

显著优点

1. 零依赖零脚本：纯原生 git 命令采集，无 Python/Node 环境要求，无供应链攻击风险
2. 隐私优先设计：主动禁用 %ae 邮箱采集，shortlog -sn 替代 -sne，输入校验拒绝 @ 符号
3. 严格安全沙箱：命令白名单机制，仅允许 4 类只读 git 子命令；路径/作者/日期/分支四重正则校验，阻断命令注入
4. 六维量化评估：提交频率、时段分布、代码流失率、Conventional Commits 合规率、Bug Fix 占比、返工率等 20+ 指标
5. 犀利点评风格：AI 扮演资深 Tech Lead，数据驱动、不留情面但给出可执行改进建议
6. 伦理内置：参与度指数附带「严禁用于绩效考核/裁员决策」的强制声明，Bus Factor 风险提示

---

潜在缺点与局限性

| 局限 | 说明 |

|------|------|

| **非代码贡献盲区** | 无法捕捉代码评审、架构设计、技术讨论、团队指导等不产生提交的工作 |

| **时区与时区漂移** | 提交记录中的 `%aI` 时区信息可能因开发者本地配置变化导致时段分析偏差 |

| **同一人多身份** | Git 作者名不一致时（无 `.mailmap`）会被识别为多个开发者，需人工合并 |

| **大型仓库性能** | 全历史分析可能耗时较长，需主动限定时间范围 |

| **质量信号间接** | Bug Fix/Revert 占比是事后指标，非静态代码分析，无法检测潜在缺陷 |

| **参与度指数误读风险** | 尽管有伦理声明，仍存在被管理层滥用的社会风险 |

---

适合人群

• Tech Lead / 工程经理：定期团队健康度检查、新人融入评估
• 开源维护者：贡献者活跃度分析、核心维护者 Bus Factor 风险预警
• DevOps / 效能工程师：研发流程优化、提交规范推广效果追踪
• 自我提升的开发者：个人编码习惯可视化，针对性改进

---

常规风险

• 隐私合规：虽禁用邮箱采集，但作者显示名仍可能关联真实身份，GDPR/个人信息保护法场景需额外评估
• 命令注入：若实现方未严格执行文档中的四重校验规则，用户输入可构造 ; rm -rf / 类攻击
• 结论滥用：六维评分被简单等同于「能力排名」，忽视非代码贡献和项目复杂度差异
• AI 幻觉：AI 解读环节可能过度推断数据关联性（如将「深夜提交」直接等同于「效率低下」）

核心功能

Who Is Actor 是一款专为 Git 仓库设计的开发者行为分析 Skill，无需安装任何依赖、无需运行脚本，仅通过原生 git 命令即可完成数据采集。该工具从六个维度深度剖析每位开发者：提交习惯、工作节奏、研发效率、代码风格、代码质量及参与度指数，最终生成严肃直接、数据驱动的"体检报告"。

显著优点

1. 零依赖架构：纯 Markdown 文档型设计，无 Python/Node 脚本，无外部依赖，仅使用 git log、git shortlog、git diff --stat 等只读命令
2. 完善的安全机制：

3. 隐私保护优先：

4. 伦理设计：包含详细的用途限制声明，严禁将参与度指数用于绩效考核、裁员决策等人事决定，承认 Git 数据无法反映设计、评审、指导等非代码贡献
5. 输出专业：六维雷达评分、AI 犀利点评、具体改进建议、团队横向对比、Bus Factor 风险提示

• 严格的命令白名单，仅允许 4 类 git 只读子命令
• 多层输入校验（路径、作者名、日期、分支名正则过滤）
• 禁用所有写入操作、非 git 命令、网络操作及文件重定向
• 明确不采集开发者邮箱（使用 %an 而非 %ae）
• git shortlog 使用 -sn 而非 -sne
• 作者参数拒绝 @ 符号，仅接受显示名

潜在局限

• 来源可信度 T3：作者为个人开发者 "reky"，无公开 GitHub 仓库，建议使用前代码审查
• AI 依赖性强：分析质量高度依赖 AI 的解读能力，不同模型可能产生差异
• Git 数据局限：无法捕捉代码评审、架构设计、技术讨论等不产生提交记录的工作
• 时区敏感：工作时段判断依赖提交记录中的时区信息
• 作者名歧义：同一开发者可能使用不同 name 组合（可通过 .mailmap 缓解）

适合人群

• 技术团队负责人需要了解团队协作模式
• Tech Lead 进行 Code Review 或团队健康度诊断
• 开源项目维护者分析贡献者分布
• 希望改进个人工作习惯的开发者自我分析

常规风险

| 风险类型 | 等级 | 说明 |

|---------|------|------|

| 命令注入 | 低 | 已设计多层输入校验和白名单，但仍需确保实现正确 |

| 隐私泄露 | 极低 | 明确不采集邮箱，但若用户违规传入邮箱格式存在理论风险 |

| 误用风险 | 中 | 参与度指数可能被误用于绩效考核，需严格遵守伦理条款 |

| 数据解读偏差 | 中 | AI 分析可能存在偏差，重大决策应人工复核 |

使用建议

首次使用建议在测试仓库验证，确认输入校验规则正常工作，不向 Skill 提供包含敏感信息的仓库路径。严格遵守伦理使用条款，充分理解 Git 数据的局限性。