1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | component-common-domain-detection-tech-leads-club-agent-skills |
| 作者/维护者 | Tech Leads Club |
| 来源链接 | https://github.com/tech-leads-club/agent-skills/tree/main/packages/skills-catalog/skills/(architecture)/component-common-domain-detection |
| 许可证 | MIT（仓库根 LICENSE 文件，GitHub API） |
| GitHub Stars | 5,022（GitHub API；为整个技能市场共享，非本技能独有） |
| Forks | 460（GitHub API） |
| 最新版本 | skills-catalog-v0.17.3（2026-08-05，GitHub Releases） |
| 安装方式 | npx @tech-leads-club/agent-skills 交互式安装，或 CLI 指定安装 |
2. 功能介绍与亮点
component-common-domain-detection 扫描代码库中的组件命名空间与依赖关系，定位分散在多个组件里的重复业务逻辑，并给出整合建议。核心流程分五个阶段：
- 命名空间模式识别——提取各组件命名空间的末级节点，找出如
*.notification、*.audit、*.validation这类重复出现的业务模式，同时过滤掉.util/.helper等基础设施类命名； - 共享类检测——扫描各组件的 import/依赖声明，识别被多个组件引用的类，并区分“业务领域类”（如
AuditLogger）与“基础设施类”（如Logger）； - 功能相似度分析——逐一检查候选组件的实际代码，判断差异是否可通过配置/模板抽象掉；
- 耦合影响评估——用传入依赖数（CA）量化整合前后的耦合变化，避免“合并后变成新的耦合热点”；
- 整合方式建议——按变化频率、复杂度、部署边界给出共享服务、共享库或直接合并三种落地路径。
亮点：给出明确的“业务逻辑 vs 基础设施”判定标准，避免把日志、鉴权等横切关注点误判为可整合对象；每个阶段都配有输出模板与检查清单，可直接产出整合优先级表格；技能内容为纯 Markdown 方法论与检查清单，附带 QUICK-REFERENCE 速查卡，无脚本无外部依赖。
3. 适用场景
所属分类：工程效率与代码质量
- 微服务或模块化重构前，需要系统性找出散落在多个组件中的重复通知/审计/校验类逻辑
- 代码评审中怀疑某几个组件在“各自实现同一件事”，需要量化证据判断是否该合并
- 规划共享服务或共享库拆分方案时，需要先评估合并后的耦合影响再动手
- 受益人群：负责单体或多组件系统重构的技术负责人、架构师，以及承担代码整洁度治理的高级工程师
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持。所属市场官方支持列表 Tier 1 明确列出，安装方式与市场其余技能一致，正文不依赖 Claude 专属交互工具。
- Codex：⚠️ 需适配。官方支持列表 Tier 2 列出 OpenAI Codex，但未见针对该技能的专项适配说明。
- OpenClaw：❓ 未验证，抓取到的材料中未提及该平台。
- Hermes Agent：❓ 未验证，抓取到的材料中未提及该平台。
5. 推荐理由
重复业务逻辑是重构中最容易被凭直觉误判的问题——合并得太急会制造新的耦合热点，不合并又持续增加维护成本。这个技能把判断过程拆成命名空间扫描、共享类识别、相似度核实、耦合前后测算四步硬证据，再落到具体的整合路径建议，避免“看着像重复就合并”的拍脑袋决策。它是一个可以单独安装使用的原子工具，不需要为了这一项分析去装下游更大的拆分流水线。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 5 | 所属技能市场整体 5,022★，为 88 个技能共享的合集热度，不代表本技能自身；检索未发现针对该子技能的独立第三方讨论 |
| 可用性 | 8 | npx 一条命令即可交互安装，免费无付费依赖；SKILL.md + README + QUICK-REFERENCE 共约 38,700 字节，开箱即可用；所属目录最近一次内容更新为 2026-02-26，距今约 5.5 个月，技能市场仓库本身在 2026-08-06 仍有新提交 |
| 安全性 | 9 | 全部内容为纯 Markdown 方法论与检查清单，逐份通读三个文件未见可疑指令、混淆代码或隐蔽外发；无本地命令执行、无自身网络外发、无凭据索取；License（MIT）明确；所属市场对目录内全部技能发布前统一执行 Snyk Agent Scan 静态扫描，本技能历史扫描记录仅有一条“隐藏 Unicode 字符”中等提示，逐字节核对后确认为文档中的 emoji 变体选择符与制表符号（→←├└│等），非隐藏指令 |
| 综合分 | 7.33 | 三项均值 |
安全检查清单：①无 shell 命令执行，纯文本指令 ②无自身外联通道 ③无需 API Key 或凭据 ④通读 SKILL.md、README、QUICK-REFERENCE 三份文件未见可疑指令；市场历史静态扫描曾标记本技能含“隐藏 Unicode 字符”（中等），逐字节核实后确认为 emoji 渲染用变体选择符（U+FE0F）与常规制表符号，非隐藏指令或混淆内容 ⑤市场统一静态扫描 + 作者具名维护 ⑥License 清晰（MIT） ⑦所属目录最近内容更新 2026-02-26，约 5.5 个月前
7. 跟同类 Skills 相比的优势
| 项目 | 定位 | 与本技能的差异 |
|---|---|---|
| component-common-domain-detection（本技能） | 专注检测跨组件重复业务逻辑，给出整合路径建议 | 原子工具，只装这一项能力即可使用 |
| modular-decomposition | 组件盘点→重复检测→扁平化→耦合分析→领域分组五步流水线 | 内嵌了本技能对应阶段的方法论作为流水线第二步，适合要一次性跑完整条拆分分析链条、不介意多装其余四步的场景 |
| coupling-analysis | 用强度/距离/波动性三维模型衡量模块间耦合 | 只回答“耦合是否过重”，不判断“是否存在重复业务逻辑可合并” |
| component-flattening-analysis | 找出错放在根命名空间、该归属某组件的孤立类 | 处理的是类的归属位置问题，不涉及跨组件的功能重复 |
| domain-identification-grouping | 把已识别的组件按业务边界聚合分组 | 处理组件到领域的分组问题，前提是组件本身已去重，与本技能是流程上的前后关系 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
9. 其他补充
所属技能市场官方支持 Claude Code、Cursor、GitHub Copilot 等在内的十余个 AI 编码 agent；技能内容以英文撰写；市场对外宣称对所有技能执行统一的静态安全扫描（Snyk Agent Scan）与内容审校流程。
10. 安装使用方式
- 交互式安装：
npx @tech-leads-club/agent-skills，选择 “Install skills” 后搜索component-common-domain-detection并选择目标 agent - 指定安装：
npx @tech-leads-club/agent-skills install -s component-common-domain-detection -a claude-code - 安装后无需重启，在对话中提出“找出跨组件重复的业务逻辑”“这几个组件是不是该合并”等请求即可触发
11. 注意事项
- 产出的是“整合候选清单”与耦合影响评估，不是可直接执行的重构补丁，实际合并仍需人工核实业务差异是否真的可抽象
- 该技能只判断“业务逻辑是否重复”，不做代码层面的字符串/AST 级重复检测，此类需求应改用专门的静态查重工具（linter）
- 技能内容为英文，中文项目团队使用时依赖 agent 自身的翻译理解能力