Новый проект
LeonardNJU/code-humanizer
Навык для AI-агентов, который находит структурный технический долг, сохраняет поведение кода и контролирует исправления через тесты и поэтапные коммиты.
- Stars
- ★ 46 ↗ +2 за 7 дней
- Forks
- ⑂ 1
- Язык
- n/a
- Статус
- В канале 1 янв. 1 г.
AI-разбор
Проект представляет собой навык для AI-агентов, удаляющий из репозитория типичные следы машинно сгенерированного кода: дублирование, лишние абстракции, широкое подавление исключений и необоснованные обходные решения. Он работает через единый файл SKILL.md, не требует сборки и зависимостей и совместим с Claude Code, Codex, Cursor, Cline, Gemini, Copilot и другими средами, поддерживающими agent skills. По умолчанию навык сканирует репозиторий и формирует отчёт с номером паттерна, уровнем серьёзности от 0 до 4, доказательствами, предлагаемым исправлением и оценкой риска для поведения. Режим исправлений требует подтверждения, обрабатывает по одному классу паттернов на коммит и запускает тесты после каждого шага. В режиме защиты навык проверяет репозиторий до и после реализации изменения, а затем анализирует только итоговый diff с учётом дублирования во всём проекте. Автоматические изменения запрещены без тестового оракула, а потенциальные изменения типов ошибок, времени выполнения и другого поведения должны только фиксироваться в отчёте.
Разработчики и технические лидеры, использующие Claude Code, Codex или другие AI-агенты для создания и рефакторинга кода, которым нужен контролируемый аудит технического долга без незаметного изменения поведения.
Что внутри
- Каталог из 16 паттернов AI-ориентированного структурного технического долга в пяти категориях.
- Поиск дублированных помощников, клонов с суффиксами _v2 и _new, повторной реализации стандартной библиотеки и лишних обёрток.
- Выявление спекулятивной архитектуры, мёртвого кода, глобальных флагов для локальных случаев и необоснованных запасных импортов.
- Проверка широких except, цепочек hasattr/getattr, лишней валидации, повествовательных комментариев, шаблонных docstring и неиспользуемых элементов.
- Отчётный режим с оценкой серьёзности 0–4, доказательствами, предложенным исправлением и риском изменения поведения.
- Режим guard для контроля новых изменений, поэтапных коммитов и запуска тестов после каждого исправления.
Где применять
- Аудит pull request перед слиянием, чтобы найти дублирование, лишние абстракции и другие следы генерации кода агентом.
- Разбор репозитория, созданного в стиле быстрых агентных экспериментов, с подготовкой отчёта до любых правок.
- Безопасное рефакторинг-исправление Python-проектов при наличии тестового набора, который используется как проверка сохранения поведения.
- Контроль реализации новой функции: проверка существующих помощников и аудит только созданного diff.
- Проверка исследовательского репозитория с экспериментальными скриптами, где временные варианты должны оставаться локальными до стабилизации.
Темы