Skill v1.0.1

currentAutomated scan98/100

yaochangyu/sample.dotblog/developer-assessment

4 files

──Details

PublishedJune 28, 2026 at 08:22 PM

Content Hashsha256:71d12864da2dc3f1...

Git SHA7807e0dbab54

Bump Typepatch

Compare with v1.0.0

──Files

Files (1 file, 11.5 KB)

SKILL.md11.5 KBactive

SKILL.md · 449 lines · 11.5 KB

version: "1.0.1" name: developer-assessment description: GitLab 開發者評估與分析技能，使用 gl-cli.py 工具分析開發者的程式碼品質、提交歷史、專案參與度與技術水平，並產生綜合評估報告。 globs: ['/*.py', '/*.md', '/scripts/']

GitLab Developer Assessment Skill

GitLab 開發者評估與分析專家，透過 gl-cli.py 工具深度分析開發者在 GitLab 上的活動與貢獻，提供多維度的技術能力評估。

核心職責

互動式需求確認

詢問分析目標（特定開發者 vs 團隊整體）
確認分析範圍（時間區間、專案範圍）
選擇評估維度（程式碼品質、活躍度、協作能力等）

資料收集與分析

使用 gl-cli.py user-stats 取得開發者統計資訊
使用 gl-cli.py user-projects 取得開發者專案列表
使用 gl-cli.py project-stats 取得專案詳細資訊
使用 gl-cli.py group-stats 取得群組資訊（團隊分析）

多維度評估 (詳見程式碼品質評估規範)

提交品質：分析 commit 頻率、commit message 規範、程式碼變更量
活躍度：評估提交頻率、MR 參與度、issue 回應速度
協作能力：分析 code review 參與、跨專案協作、知識分享
技術深度：識別技術棧使用、程式語言熟練度、架構設計能力
專案貢獻：統計專案參與數量、核心專案貢獻度
Code Review 品質：Review 參與度、深度、時效性、問題發現能力

報告產生

產生結構化評估報告（markdown 格式）
提供視覺化圖表建議（若需要）
給予改善建議與學習方向

工具整合

gl-cli.py 使用方式

bash

# 環境設定
cd /mnt/d/lab/sample.dotblog/Gitlab/Lab.Personal/scripts
 
# 取得使用者統計資訊
python3 gl-cli.py user-stats \
  --username <開發者名稱> \
  --project-name <專案名稱> \
  --start-date <開始日期> \
  --end-date <結束日期> \
  --group-id <群組ID> \
  --output <輸出檔案.xlsx>
 
# 取得使用者專案列表
python3 gl-cli.py user-projects \
  --username <開發者名稱> \
  --group-name <群組名稱> \
  --output <輸出檔案.xlsx>
 
# 取得專案詳細資訊
python3 gl-cli.py project-stats \
  --project-name <專案名稱> \
  --group-id <群組ID> \
  --output <輸出檔案.xlsx>
 
# 取得群組資訊
python3 gl-cli.py group-stats \
  --group-name <群組名稱> \
  --output <輸出檔案.xlsx>

相依套件

執行前需確保已安裝：

pandas
openpyxl
urllib3
python-gitlab (透過 gitlab_client.py)

若缺少套件，引導使用者安裝：

bash

cd /mnt/d/lab/sample.dotblog/Gitlab/Lab.Personal
source .venv/bin/activate  # 如果有虛擬環境
pip install pandas openpyxl urllib3 python-gitlab

互動式工作流程

第 1 步：需求確認

詢問使用者：

分析對象

特定開發者（請提供 GitLab username）
整個團隊/群組（請提供群組名稱或 ID）

時間範圍

最近 1 個月
最近 3 個月
最近 6 個月
自訂時間區間（請提供開始與結束日期）

專案範圍

所有專案
特定專案（請提供專案名稱列表）
特定群組下的專案（請提供群組 ID 或名稱）

評估維度（多選）

[ ] 提交活躍度與頻率
[ ] 程式碼變更量分析
[ ] Commit message 品質
[ ] 專案參與廣度
[ ] 技術棧識別
[ ] 完整評估（包含所有維度）

第 2 步：執行資料收集

根據使用者選擇，依序執行：

檢查環境

```bash # 確認 gl-cli.py 可用 test -f /mnt/d/lab/sample.dotblog/Gitlab/Lab.Personal/scripts/gl-cli.py

# 檢查相依套件 cd /mnt/d/lab/sample.dotblog/Gitlab/Lab.Personal/scripts python3 -c "import pandas, openpyxl, urllib3" 2>&1 ```

收集開發者資料

``bash cd /mnt/d/lab/sample.dotblog/Gitlab/Lab.Personal/scripts python3 gl-cli.py user-stats \ --username <username> \ --start-date <YYYY-MM-DD> \ --end-date <YYYY-MM-DD> \ --output /tmp/dev_stats_<username>.xlsx ``

收集專案參與資料

``bash python3 gl-cli.py user-projects \ --username <username> \ --output /tmp/dev_projects_<username>.xlsx ``

讀取並解析輸出檔案

使用 bash 工具讀取生成的 Excel 檔案（若需要可轉換為 CSV）
或直接查看 gl-cli.py 的 console 輸出進行分析

第 3 步：資料分析

根據收集的資料，分析以下指標（完整評估標準請參考 code-quality-analysis-spec.md）：

3.1 提交活躍度

總 commit 數量
平均每週/每月 commit 數
提交時間分布（識別工作習慣）
活躍天數佔比

3.2 程式碼品質指標

平均每次 commit 的程式碼變更量（Lines of Code）
新增 vs 刪除 vs 修改的比例
檔案類型分布（識別專長領域）
Commit message 規範性（長度、格式、描述性）

3.3 專案貢獻度

參與專案數量
每個專案的貢獻量分布
核心專案識別（貢獻量 > 30% 的專案）
跨專案協作指標

3.4 技術棧分析

使用的程式語言分布
框架與工具識別（從檔案類型推斷）
技術廣度 vs 深度評估

第 4 步：產生評估報告

產生結構化的 Markdown 報告：

markdown

# GitLab Developer Assessment Report
 
## 📊 基本資訊
-**開發者**: <username>
-**分析期間**: <start_date> ~ <end_date>
-**分析專案**: <project_count> 個專案
-**報告生成時間**: <timestamp>
 
---
 
## 🎯 綜合評分
 
| 評估維度 | 評分 | 說明 |
|---------|------|------|
| 提交活躍度 | ⭐⭐⭐⭐☆ (4/5) | 平均每週 X 次提交，表現良好 |
| 程式碼品質 | ⭐⭐⭐⭐⭐ (5/5) | Commit message 規範，變更量合理 |
| 專案貢獻度 | ⭐⭐⭐☆☆ (3/5) | 主要集中在 2 個核心專案 |
| 技術廣度 | ⭐⭐⭐⭐☆ (4/5) | 熟悉多種技術棧 |
 
**總體評價**: ⭐⭐⭐⭐☆ (4/5)
 
---
 
## 📈 活躍度分析
 
-**總 Commit 數**: X 次
-**平均每週提交**: X 次
-**活躍天數**: X 天 (佔比 X%)
-**最活躍時段**: 週一至週五 9:00-18:00
 
### 趨勢圖建議
\`\`\`
[建議使用 Excel 開啟輸出檔案，查看詳細統計圖表]
\`\`\`
 
---
 
## 💻 程式碼貢獻分析
 
-**總變更行數**: +X / -Y 行
-**平均每次 Commit**: ~Z 行
-**主要變更類型**: 
  -新增功能: X%
  -Bug 修復: Y%
  -重構: Z%
 
### Commit Message 品質
-✅ 規範性: 良好
-✅ 描述性: 詳細
-⚠️ 改善建議: 建議增加 ticket ID 引用
 
---
 
## 🚀 專案參與度
 
| 專案名稱 | Commit 數 | 貢獻度 | 角色 |
|---------|----------|--------|------|
| Project A | X | High | Core Developer |
| Project B | Y | Medium | Contributor |
| Project C | Z | Low | Occasional |
 
**核心專案**: Project A (貢獻度 X%)
 
---
 
## 🔧 技術棧分析
 
### 程式語言分布
-Python: X%
-JavaScript: Y%
-SQL: Z%
-Others: W%
 
### 專長領域
-✅ 後端開發 (Python, API)
-✅ 資料庫設計 (SQL)
-🔄 前端開發 (JavaScript) - 持續學習中
 
---
 
## 💡 改善建議
 
1.**提升專案參與廣度**
   -建議參與更多跨團隊協作專案
   -嘗試不同領域的技術挑戰
 
2.**深化技術深度**
   -在核心專案中承擔更多架構設計工作
   -增加 code review 參與度
 
3.**知識分享**
   -建議撰寫技術文件或 README
   -參與 issue 討論，分享經驗
 
---
 
## 📌 數據來源
 
本報告資料來源於 GitLab，透過 `gl-cli.py` 工具收集：
-使用者統計: `user-stats`
-專案列表: `user-projects`
-時間範圍: <start_date> ~ <end_date>
 
---
 
**報告結束**
\`\`\`
 
### 第 5 步：後續行動建議
 
詢問使用者是否需要：
 
1.**匯出詳細資料**
   -Excel 檔案已儲存在: `/tmp/dev_stats_<username>.xlsx`
   -是否需要轉換為 CSV 或其他格式？
 
2.**進階分析**
   -與團隊平均值比較
   -時間序列趨勢分析
   -特定專案深度分析
 
3.**持續追蹤**
   -設定定期評估機制
   -建立績效追蹤儀表板
 
## 錯誤處理
 
### 常見問題處理
 
1.**缺少相依套件**
   ```bash
   # 引導安裝
   cd /mnt/d/lab/sample.dotblog/Gitlab/Lab.Personal
   source .venv/bin/activate
   pip install -r requirements.txt
   ```
 
2.**GitLab 連線失敗**
   -檢查 `config.py` 設定
   -確認 GitLab Token 有效性
   -驗證網路連線與 SSL 憑證
 
3.**無資料返回**
   -確認使用者名稱正確
   -檢查時間範圍是否合理
   -驗證使用者在指定專案中有活動
 
4.**權限不足**
   -確認 GitLab Token 有足夠權限（read_api, read_repository）
   -檢查使用者是否為專案成員
 
## 最佳實踐
 
1.**資料保護**
   -輸出檔案使用臨時目錄 (`/tmp`)
   -不在報告中包含敏感資訊（email、token）
   -分析完成後詢問是否刪除暫存檔案
 
2.**效能優化**
   -大型團隊分析時，建議分批處理
   -使用 `--group-id` 限縮查詢範圍
   -避免過長的時間區間（建議 ≤ 6 個月）
 
3.**報告品質**
   -提供具體數據支持評分
   -避免主觀判斷，基於客觀指標
   -給予建設性改善建議
 
4.**使用者體驗**
   -清晰的互動提示
   -進度即時反饋
   -結果易於理解的視覺化呈現
 
## 範例對話流程

使用者: 幫我分析開發者 john.doe 的表現

Skill: 好的！我將協助您分析 john.doe 的開發表現。請回答以下問題：

分析時間範圍？

a) 最近 1 個月 b) 最近 3 個月 c) 最近 6 個月 d) 自訂（請提供起迄日期）

使用者: b

Skill: 2. 專案範圍？ a) 所有專案 b) 特定專案（請列出專案名稱） c) 特定群組（請提供群組 ID）

使用者: a

Skill: 3. 評估維度？（可多選） a) 提交活躍度 b) 程式碼品質 c) 專案參與度 d) 技術棧分析 e) 完整評估（全部）

使用者: e

Skill: 收到！開始執行完整評估...

[執行 gl-cli.py 命令] [分析資料] [產生報告]

完成！以下是 john.doe 的評估報告：

[顯示 Markdown 報告]

是否需要：

查看詳細 Excel 報告？
與團隊平均值比較？
匯出報告為檔案？

 
## 整合其他工具
 
若需要進階分析，可整合：
 
1. **Git 本地分析** (若有 clone repository)
   - 使用 `git log` 分析 commit 歷史
   - 使用 `git blame` 分析程式碼擁有權
   - 使用 `git diff` 分析變更品質
 
2. **程式碼品質工具**
   - pylint / flake8 (Python)
   - eslint (JavaScript)
   - SonarQube
 
3. **視覺化工具**
   - matplotlib / seaborn (Python 圖表)
   - Excel 樞紐分析表
   - Grafana (若有 metrics)
 
## 限制與注意事項
 
1. **資料準確性**
   - 依賴 GitLab API 回傳資料
   - 可能受網路延遲影響
   - 歷史資料可能不完整（取決於 GitLab 設定）
 
2. **評估侷限**
   - 無法評估程式碼實際品質（需 code review）
   - 無法評估軟技能（溝通、領導力）
   - 量化指標不代表全部價值
 
3. **隱私考量**
   - 需取得開發者同意
   - 不應作為唯一績效評估依據
   - 報告應妥善保管，避免外洩
 
---
 
## 參考文檔
 
- [程式碼品質分析規範](./references/code-quality-analysis-spec.md) - 詳細的評估維度、權重配置與評分標準
 
---
 
**使用此 Skill 時，請確保已設定好 GitLab 環境並擁有適當權限。**

← v1.0.0 All versions