mcpField
E
extract

extract

github.com/athola開発34879 回インストール1 日前に更新
リポジトリ

extract について

extractは、Gauntletのコードベースナレッジベースを構築または再構築するスキルです。AST抽出とAIによる説明を組み合わせ、関連項目を相互参照し、既存の注釈を保持します。

主な機能

  1. 01ASTからコード項目を抽出
  2. 02自然言語による項目の詳細説明
  3. 03関連モジュール間の相互参照
  4. 04既存の注釈の統合
  5. 05カテゴリ別件数とカバレッジ不足の報告

活用シーン

  1. 01コードベースのナレッジベース作成
  2. 02コード変更後のナレッジベース再構築
  3. 03モジュール間の関連項目の特定

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/athola/claude-night-market --skill extract

インストール後、Claude Code で/extractを入力して読み込まれたか確認します。

詳細

コードベースの知識を抽出する

.gauntlet/knowledge.json のナレッジベースを構築または再構築します。

使用しない場合

  • パーサーでは把握できない暗黙知（gauntlet:curate を使用）
  • コードグラフの構築（gauntlet:graph-build を使用）

手順

  1. 対象ディレクトリを特定する：現在の作業ディレクトリ、 またはユーザーが指定したパスを使用します

  2. AST 抽出を実行する：抽出スクリプトを実行します

    python3 ${CLAUDE_PLUGIN_ROOT}/scripts/extractor.py <target-dir>

  3. AI による拡充：抽出した各エントリーについて、ビジネスロジック、データフロー、 アーキテクチャ上の役割、設計理由を自然言語で説明するよう detail フィールドを拡充します

  4. 相互参照：インポート、共通の型、データフローパスを照合し、 モジュール間で関連するエントリーをリンクします

  5. アノテーションと統合する：.gauntlet/annotations/ にある既存のキュレーション済みエントリーを保持します

  6. 保存する：.gauntlet/knowledge.json に書き込みます

  7. 報告する：カテゴリ別の概要、カバレッジの不足箇所、難易度の分布を表示します

完了条件

  • スキルの完了後に .gauntlet/knowledge.json が存在し、有効な JSON であること。.gauntlet/annotations/ のエントリーが統合され、上書きされていないこと
  • レポートに全 7 カテゴリ（business_logic、architecture、data_flow、api_contract、pattern、dependency、error_handling）のエントリー数が示され、カバレッジの不足箇所が特定されていること
  • 抽出された各エントリーに、自然言語による説明を含む detail フィールドがあること（生の AST ノード名だけではないこと）
  • インポート、共通の型、またはデータフローパスを共有するモジュール間に、相互参照リンクが存在すること

カテゴリの優先順位

  1. business_logic（重み 7）
  2. architecture（重み 6）
  3. data_flow（重み 5）
  4. api_contract（重み 4）
  5. pattern（重み 3）
  6. dependency（重み 2）
  7. error_handling（重み 1）

コメント

Markdown 対応