（2809期）Project Summary – 一键生成代码库全景档案

一键生成代码库全景档案 自动扫描代码库结构，快速生成包含语言框架、架构模式、入口文件及核心依赖的结构化项目摘要，加速开发者上手。 使用说明 核心用法 project-summary 是一款面向代码库的智能分析技能，通过触发关键词（如 "summarize project"、"codebase summary"）自动执行九步扫描流程，生成标准化项目概览文档。其核心流程包括：扫描项目根目录下的清单文件（package.json、pyproject.toml 等）→ 检测主要编程语言与框架 → 识别架构模式（MVC、Clean Architecture、Feature-based 等）→ 定位入口文件 → 编目关键文件清单 → 分析测试配置 → 解析 CI/CD 流程 → 梳理核心依赖 → 最终输出 Markdown 格式的结构化摘要。 显著优点 自动化程度高：无需人工逐个检查文件，通过预设的启发式规则（文件扩展名统计、目录结构模式匹配、依赖关键词检索）自动推断项目特征。 覆盖维度全面：从语言运行时到架构设计，从本地开发到持续部署，形成完整的项目知识图谱。 输出格式标准化：采用 Markdown 表格与结构化标题，便于快速阅读、存档或作为 AI Agent 的上下文输入。 边缘场景处理完备：针对 Monorepo、超大仓库、多语言混合、权限受限等场景提供明确的降级策略与扫描限制。 潜在缺点与局限性 静态分析为主：依赖文件系统扫描和正则匹配，无法解析动态代码逻辑（如条件导入、运行时框架检测），可能导致框架误判。 启发式规则有限：架构模式识别基于目录命名约定（如 src/controllers/ → MVC），对自定义目录结构或新兴框架可能出现 "custom" 归类。 无安全扫描能力：明确声明未执行安全扫描，无法识别漏洞依赖或敏感信息泄露。 权限与性能约束：超大仓库需限制扫描深度（maxdepth 3），可能遗漏深层关键文件；无权限访问的文件仅做跳过处理。 适合人群 新加入项目的开发者需要快速建立代码库认知 AI Agent 需要获取项目上下文以执行后续任务 技术负责人进行代码库审计或技术栈盘点 DevOps 工程师整理 CI/CD 文档 常规风险 隐私泄露风险：扫描过程会读取 LICENSE、README 等可能包含组织信息的文件，建议在可信环境执行。 信息时效性：输出为某时刻的快照，依赖版本、CI 配置变更后需重新执行。 误判累积效应：若语言检测或框架识别错误，后续依赖分析、测试命令推断均可能偏离实际。 原始说明 Generate an instant codebase overview — language, framework, architecture, entry points, and key files