investigate-dependencies

investigate-dependencies 是一项专门的工程工具，旨在进行代码库维护、架构优化和技术债务减少。此技能使开发人员和代理程序能够系统地审计第三方库和内部模块，确保存储库保持精简且高效。通过逐行分析依赖项，它能检测到自定义代码重新实现了已存在于导入框架或标准库（例如 Pydantic、日期时间库或自定义工具模块）中的逻辑。这对于使用 FastAPI、SQLAlchemy 或复杂机器学习堆栈等高开销框架的项目至关重要，因为不当的使用模式会导致代码冗长或不必要的运算成本。

• 执行全面的导入清单创建，将依赖项与官方文档来源进行对应。

• 进行逐行依赖项使用检查，以发现误用、遗漏的错误处理或被遗弃的库功能。

• 自动检测关键领域的冗余，包括日期时间操作、JSON 处理、数据验证和配置管理。

• 进行能力差距分析，识别可简化代码或替换脆弱自定义实现的未使用库功能。

• 生成结构化的 Markdown 报告，包含执行摘要、清单表格和优先级排序的重构建议。

• 专注于希望降低代码库复杂度、减少依赖并强制执行标准化工具一致性的工程团队。

• 此技能需要明确的目标文件或模块范围作为输入，并输出详细的依赖调查报告。

• 实际应用包括在代码审查期间或重构遗留模块以使其现代化时执行此协议。

• 用户应注意过度优化，即将简单的自定义代码替换为沉重的依赖项可能会引入不必要的负担或维护开销。

• 限制条件包括需要准确的文档链接，以及代理程序解读库源代码以进行进阶能力发现的能力。

• 非常适合使用 Python 生态系统的环境，其中管理 Pydantic 模型、环境配置和外部 API 整合是持续性的工作。