name: specstory-yak description: 分析您的SpecStory AI编码会话在.specstory/history中的历史，用于检测修毛现象——当您的初始目标被带入兔子洞时。当用户说“分析我的修毛”、“检查兔子洞”、“我分心了多少”或“修毛得分”时运行。 license: Apache-2.0 metadata: author: specstory version: “1.0.0” argument-hint: “[days|date-range]”
Specstory 修毛分析器
分析您的.specstory/history以检测编码会话何时从其原始目标偏离。为每个会话生成“修毛得分”。
工作原理
- 解析 指定日期范围（或所有近期会话）的specstory历史文件
- 提取 第一条消息中的初始用户意图
- 跟踪 领域转移：文件引用、工具调用模式、目标变化
- 评分 每个会话从0（激光聚焦）到100（最大修毛）
- 总结 您最严重的偏离情况和模式
什么是修毛？
“我需要部署我的应用，但首先我需要修复CI，但首先我需要更新Node，但首先我需要修复我的shell配置…”
修毛是指您从目标A开始但最终深入无关任务Z的情况。此技能在您的AI编码会话中检测该模式。
使用方法
斜杠命令
当通过/specstory-yak调用时，解释用户的自然语言：
| 用户说 | 脚本参数 |
|---|---|
/specstory-yak |
--days 7（默认） |
/specstory-yak last 30 days |
--days 30 |
/specstory-yak this week |
--days 7 |
/specstory-yak top 10 |
--top 10 |
/specstory-yak january |
--from 2026-01-01 --to 2026-01-31 |
/specstory-yak from jan 15 to jan 20 |
--from 2026-01-15 --to 2026-01-20 |
/specstory-yak by modification time |
--by-mtime |
/specstory-yak last 14 days as json |
--days 14 --json |
/specstory-yak save to yak-report.md |
-o yak-report.md |
/specstory-yak last 90 days output to report |
--days 90 -o report.md |
直接脚本使用
python /path/to/skills/specstory-yak/scripts/analyze.py [options]
参数：
--days N- 分析最近N天（默认：7）--from DATE- 开始日期（YYYY-MM-DD）--to DATE- 结束日期（YYYY-MM-DD）--path PATH- .specstory/history的路径（如果未指定则自动检测）--top N- 显示前N个最严重的修毛（默认：5）--json- 输出为JSON--verbose- 显示详细分析--by-mtime- 按文件修改时间而不是文件名日期过滤-o, --output FILE- 将报告写入文件（自动添加.md或.json扩展名）
示例：
# 分析最近7天
python scripts/analyze.py
# 分析最近30天，显示前10个
python scripts/analyze.py --days 30 --top 10
# 分析特定日期范围
python scripts/analyze.py --from 2026-01-01 --to 2026-01-28
# 按文件修改时间过滤（不是会话开始时间）
python scripts/analyze.py --days 7 --by-mtime
# JSON输出以供进一步处理
python scripts/analyze.py --days 14 --json
# 将报告保存到markdown文件
python scripts/analyze.py --days 90 -o yak-report.md
# 将JSON保存到文件
python scripts/analyze.py --days 30 --json -o yak-data.json
输出
Yak Shave Report (2026-01-21 to 2026-01-28)
==========================================
Sessions analyzed: 23
Average yak shave score: 34/100
Top Yak Shaves:
---------------
1. [87/100] "fix button alignment" (2026-01-25)
Started: CSS fix for button
Ended up: Rewriting entire build system
Domain shifts: 4 (ui -> build -> docker -> k8s)
2. [72/100] "add logout feature" (2026-01-23)
Started: Add logout button
Ended up: Refactoring auth system + session management
Domain shifts: 3 (ui -> auth -> database)
3. [65/100] "update readme" (2026-01-22)
Started: Documentation update
Ended up: CI pipeline overhaul
Domain shifts: 2 (docs -> ci -> testing)
Most Focused Sessions:
----------------------
1. [5/100] "explain auth flow" (2026-01-26) - Pure analysis, no drift
2. [8/100] "fix typo in config" (2026-01-24) - Quick surgical fix
Patterns Detected:
------------------
- You yak shave most on: UI tasks (avg 58/100)
- Safest task type: Code review/explanation (avg 12/100)
- Peak yak shave hours: 11pm-2am (avg 71/100)
评分方法
修毛得分（0-100）计算自：
| 因素 | 权重 | 描述 |
|---|---|---|
| 领域转移 | 40% | 文件引用跳转领域的次数 |
| 目标完成 | 25% | 原始陈述的目标是否完成？ |
| 会话长度比 | 20% | 长度与原始请求复杂度的比率 |
| 工具类型级联 | 15% | 读->搜索->编辑->创建->部署的升级 |
得分解释：
- 0-20：激光聚焦
- 21-40：轻微偏离
- 41-60：中等偏离
- 61-80：显著修毛
- 81-100：史诗般的兔子洞
向用户呈现结果
重要提示：运行分析器脚本后，您必须在响应最顶部添加个性化LLM生成的摘要，然后显示原始报告输出。
LLM摘要指南
生成一个3-5句的个性化评论：
-
以裁决开场 - 关于整体状态的机智一句话（例如，“您本周的编码会话…是一次冒险。”或“非常自律！有人一直在服用专注维生素。”）
-
突出亮点 - 具体参考最显著的会话：
- 如果修毛高：“那个1月25日修复按钮的会话，结果变成了Kubernetes迁移？范围蠕变的厨师的吻。”
- 如果修毛低：“您1月26日的认证流程解释非常外科手术式——进进出出，没有偏离。”
-
识别模式 - 注意任何重复出现的主题：
- “您似乎从UI任务开始时最容易修毛”
- “深夜会话是您的危险区域”
- “您的重构会话倾向于保持专注”
-
以可操作建议或笑话结束 - 要么：
- 实用提示：“考虑为那些‘快速CSS修复’设置时间盒——它们有73%的修毛率”
- 或笑话：“按照这个速度，您下次的拼写错误修复将导致Linux内核的完全重写”
LLM摘要示例
## 🐃 您的修毛分析
好吧，好吧，好吧。您来修复按钮，结果重写了一半的基础设施。您的平均修毛得分47/100将您牢牢置于“经典开发者行为”领域。
最突出？那个1月25日的会话，一个CSS对齐修复如何演变成完整的Kubernetes部署大修。四次领域转移后，您可能忘记按钮长什么样了。
我注意到的模式：您的UI任务的修毛率比代码审查会话高58%。也许开始在您的日历中将那些“快速UI修复”标记为“潜在的3小时冒险”。
以下是完整分解：
然后在您的摘要下显示原始报告输出。
突出显示什么
在您的摘要之后，呈现原始结果时：
- 最严重的偏离者，带有前后比较
- 模式在何时/什么导致修毛
- 可操作的洞察 - 需要注意哪些任务类型