静态代码分析
Static Code Analysis
多维度静态分析检测代码质量问题，覆盖 dead code、复杂度、重复、命名等
子问题
1.Dead code detection
2.Complexity analysis
3.Duplication detection
4.Naming convention enforcement
5.Dependency cycle detection
6.God class/component detection via multi-rule threshold
7.Orphaned file detection with dynamic import awareness
8.Cross-language security pattern scanning
9.Single-use abstraction inlining candidates
10.Architectural coupling and boundary violation detection
11.四模式评分分离：lenient/strict/verified_strict 各有不同 wontfix 处理策略，需明确语义
12.维度停滞检测：3+ 次扫描分数变化 ≤ 0.5 时识别停滞并建议切换维度
13.主观评分反作弊：检测评分聚集在目标分数附近的 gaming 行为并自动 reset
14.Headline 阶段适配：不同 phase 需要不同语气（regression 安抚、stagnation 激励、maintenance 警惕）
15.Scorecard PIL 延迟导入：图片生成依赖 Pillow 但大多数 CLI 命令不需要，需 deferred import
各项目的解法1 solutions
横向对比
| 维度 | Desloppify |
|---|---|
| 检测器架构 | 29+ 检测器统一注册表，frozen dataclass 元数据 + 运行时插件扩展 |
| AST 解析 | tree-sitter 27 语言 S-expression 查询，scan-scoped parse cache |
| 误报过滤 | 6-zone 策略矩阵（skip/downgrade/exclude_from_score），首条规则匹配 |
| 优先级分类 | T1-T4 四级 Tier + action_type 四类修复难度 + needs_judgment LLM 标记 |
| 重复检测 | Union-Find 聚类 + SequenceMatcher 三级剪枝（LOC 窗口/最大比率/渐进式） |
| 安全检测 | 五规则行扫描器（secret format/name/random/crypto/log），SecurityRule dataclass |
| 追踪方式 | 四层评分时间序列（overall/objective/strict/verified_strict）+ 维度级快照 |
| 数据粒度 | 维度级：每个维度独立 score/strict/checks/issues/tier/detectors |
| 持久化 | state.json 单文件，scan_history 滚动窗口 20 条 |
| 可视化 | PIL 渲染 landscape PNG scorecard，2x Retina 缩放，三色分级 |
| 评估指标设计 | 30+ detectors → N dimensions，tier 加权聚合，lenient/strict 双轨 |
| 评估门控 | strict_score 目标值（默认 95），gap/state/warning 结构化输出 |
| 去重决策透明 | wontfix 债务分析：overall_gap/worst_dimension/trend 三维度量化 |
| 日志格式 | NarrativeResult TypedDict：phase/headline/risk_flags/actions 结构化诊断 |
| 代码膨胀度量 | dimension_scores 按 File health/Code quality/Duplication 等维度追踪 |
| 错误驱动发现 | 7 阶段检测（regression/stagnation/early_momentum 等）驱动行动建议 |
| 安全审计 | security findings 作为 headline 前缀优先展示，独立于其他维度 |
| 版本追踪 | scan_count + tool_hash 记录扫描工具版本变化 |
| 指标采集 | 每次 scan 后 _append_scan_history 自动采集 4 种分数 + diff 指标 |
| 反作弊完整性 | SubjectiveIntegrity 检测主观评分聚集，自动 reset 可疑维度 |
最佳实践
1.Zone-aware filtering to reduce false positives
2.Tier-based severity classification for prioritization
3.Union-Find clustering to reduce N² duplicate pairs to cluster-level findings
4.Three-level pruning (LOC window + max ratio + progressive SequenceMatcher) for near-duplicate detection
5.Frozen dataclass detector registry with runtime plugin extension
6.AST-aware body normalization stripping comments and logs before hash comparison
7.Five-pattern zone rule matching (directory/suffix/prefix/exact/substring)
8.scan_history 滚动窗口 20 条：足够检测趋势（regression 需 2 条、stagnation 需 3 条），不会膨胀 state 文件
9.维度级快照写入 scan_history：每条记录包含所有维度的 score+strict，支持维度粒度的趋势分析
10.NarrativeResult 输出 why_now 字段：不仅告诉用户做什么，还解释为什么现在做
11.Risk flags 按 severity 排序输出：critical > high > medium > low > info，确保最严重问题最先展示