Who Is Actor

核心用法

Who Is Actor 是一款专为技术团队设计的 Git 仓库开发者画像分析工具。用户只需提供仓库绝对路径，工具即可通过原生 git log、git shortlog、git diff --stat 等命令自动采集数据，无需安装任何依赖或运行脚本。系统支持指定时间范围、分支、目标作者等参数，采集后由 AI 从提交习惯、工作习惯、研发效率、代码风格、代码质量、参与度指数六个维度进行深度解读，最终为每位开发者生成包含数据仪表盘、AI 点评、改进建议、六维雷达图的综合报告。

显著优点

1. 零依赖零脚本：纯 git 命令驱动，无需 Python/Node 环境，即开即用
2. 隐私保护到位：全程使用 %an 作者名标识，不采集邮箱地址，shortlog -sn 替代 -sne
3. 安全校验严格：对 repo_path、author、日期、分支等参数实施白名单校验，防止命令注入
4. 多维度量化评估：六维度 1-10 分评分 + 参与度指数 0-100 分，客观可对比
5. 直言不讳的点评风格：模拟资深 Tech Lead 视角，数据驱动、犀利但公正
6. 团队级洞察：支持横向对比、Bus Factor 风险识别、整体健康度评估

潜在缺点与局限性

1. Git 记录盲区：无法捕捉代码评审、架构设计、技术讨论、团队指导等非代码贡献
2. 时区与别名问题：跨时区提交可能影响工作时段判断，同一开发者多个 name 需 .mailmap 统一
3. 参与度指数误读风险：高分不等于"偷懒"，低分也不等于"高效"，需结合上下文判断
4. 大型仓库性能：历史数据庞大的仓库需限定时间范围，否则命令执行耗时较长
5. 主观评分权重：综合评分采用固定权重（如研发效率 25%、代码质量 20%），未必适配所有团队文化

适合人群

• 技术团队负责人 / Tech Lead：需要客观评估成员代码产出习惯
• 工程效能团队：希望建立可量化的研发效率基线
• 开源项目维护者：分析贡献者参与度和代码质量分布
• 新接手项目的管理者：快速了解团队历史工作模式

常规风险

• 数据误用风险：参与度指数若被直接用于绩效考核，可能打击专注设计/评审的开发者
• 隐私边界：虽隐藏邮箱，但作者名可能关联真实身份，敏感项目需谨慎外传报告
• 安全执行依赖：若绕过校验规则直接拼接命令，存在命令注入攻击面
• 结论过度解读：AI 点评基于历史数据统计，不能预测未来表现，也不反映协作软实力

核心用法

who-is-actor 是一款专为技术团队设计的 Git 仓库开发者行为分析 Skill。用户只需提供目标仓库路径，即可零依赖、零脚本地完成全流程分析——所有数据采集仅通过 git log、git shortlog、git diff --stat 等原生 git 命令完成，无需安装任何 Python/Node 依赖或执行外部脚本。AI 基于采集到的原始数据，从提交习惯、工作习惯、研发效率、代码风格、代码质量、参与度指数六个维度为每位开发者生成 1-10 分评分，最终输出包含数据仪表盘、AI 点评、改进建议、雷达图和一句话总结的严肃体检报告。

显著优点

安全架构领先：纯 Markdown 描述型 Skill（T-MD 分类），无可执行代码，从根本上杜绝供应链攻击；内置严格的输入白名单校验（路径、作者名、日期、分支名），防御命令注入攻击。

隐私保护到位：明确承诺不采集开发者邮箱（使用 -sn 而非 -sne），符合 GDPR 数据最小化原则，避免敏感信息泄露风险。

分析维度全面：六维评估体系覆盖技术能力（代码质量、研发效率）、协作规范（提交习惯、代码风格）及团队健康（参与度、Bus Factor），并提供犀利的 AI 点评与可执行的改进建议。

部署零成本：无需配置环境、安装依赖或维护脚本，开箱即用，适合任意规模的技术团队快速上手。

潜在缺点与局限性

数据盲区客观存在：Git 提交记录无法反映代码评审、架构设计、技术讨论、团队指导等非代码贡献，参与度指数可能被低估；合并提交、cherry-pick 等操作可能扭曲真实开发行为。

跨仓库身份识别困难：同一开发者可能使用不同用户名或邮箱，Skill 未自动处理 .mailmap 映射，可能导致同一人被拆分统计。

时区与作息误判：依赖提交时间戳判断工作习惯，未考虑跨时区协作、CI 自动提交等场景，深夜提交不一定代表加班。

大型仓库性能瓶颈：未限制历史深度时，git log --all 等命令在超大型仓库（如 Linux Kernel）上执行耗时较长。

适合人群

• 技术团队管理者：需要客观了解团队成员编码习惯与产出质量，辅助 1:1 沟通与成长规划
• Tech Lead / 架构师：进行 Code Review 质量复盘，识别团队技术债务与流程改进点
• 开源项目维护者：分析贡献者分布，评估 Bus Factor 风险，优化协作规范

常规风险

| 风险类型 | 说明 | 缓解措施 |

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

| 数据误读风险 | 将参与度指数直接等同于绩效 | 报告已明确提示"高分不等于偷懒，低分不等于高效" |

| 隐私边界风险 | 作者名可能包含真实姓名，存在间接身份识别 | 建议在内部分析场景使用，避免公开分享原始报告 |

| 路径遍历风险 | 未严格校验的 `repo_path` 可能导致非法目录访问 | 已实施绝对路径+危险字符过滤+仓库存在性三重校验 |

| 结论过度泛化 | 短期数据可能无法代表长期习惯 | 建议分析时间跨度 ≥3 个月的数据 |

安全认证结论

经 CLS-Certify v2.1.0 六维深度扫描，本 Skill 获 S+ 安全等级（98/100 分），零安全漏洞、零外部 API 调用、零依赖风险，可作为企业级代码分析场景的安全可信工具。