Agent Gap Analyzer

Agent 覆盖度分析器

对比项目需求与现有 Agent 能力,识别覆盖缺口。

使用场景

• "这个项目还缺什么 Agent?"
• "现有 Agent 能覆盖多少?"
• project-analyzer 之后的第二步

前置条件

• .aria/project-profile.yaml 存在 (由 project-analyzer 生成)
• Agent frontmatter 含 capabilities 字段 (US-010 STCO + US-011 T0)

流程

1. 加载输入

• 读取 .aria/project-profile.yaml
• 读取所有 Agent 的 capabilities:
  • 插件级: ${CLAUDE_PLUGIN_ROOT}/agents/*.md frontmatter
  • 项目级: .aria/agents/*.md frontmatter (如存在)
• 读取 ${CLAUDE_PLUGIN_ROOT}/references/capabilities-taxonomy.yaml 做标签规范化

2. 推导需求场景

从 project-profile 的 tech_stack + patterns 映射到能力标签需求:

# 场景映射规则 (确定性, 非 LLM 推断)
tech_stack_mapping:
  orm: "Prisma" → 需求: [orm-migration, query-optimization, database-schema]
  framework: "Express" → 需求: [api-design, performance-optimization]
  testing: "Jest" → 需求: [test-strategy]
  ci_cd: "GitHub Actions" → 需求: [ci-cd-pipeline]
  deployment: "Docker" → 需求: [infrastructure]

3. 标签规范化

使用 capabilities-taxonomy.yaml 的同义词映射:

• Agent capability database-schema 匹配需求 db-design (同义词)
• 规范化后再做匹配,避免假缺口

4. 匹配计算

对每个需求场景:

• 遍历所有 Agent capabilities
• match_rate = 命中标签数 / 需求标签数
• covered: match_rate >= 0.5
• gap: match_rate < 0.5

5. 输出

.aria/coverage-report.yaml (schema_version: "1"):

schema_version: "1"
project: "kairos"
timestamp: "2026-04-11T..."
covered:
  - scenario: "API design"
    matched_agent: "backend-architect"
    matched_capabilities: ["api-design"]
    match_rate: 1.0
gaps:
  - scenario: "ORM migration"
    required_capabilities: ["orm-migration", "query-optimization"]
    best_partial_match:
      agent: "backend-architect"
      matched: ["database-schema"]
      match_rate: 0.33
    suggested_agent:
      name: "database-specialist"
      capabilities: ["orm-migration", "query-optimization", "database-schema"]
summary:
  total_scenarios: 8
  covered: 5
  gaps: 3
  coverage_rate: 62.5%

重要

• 匹配基于 capabilities 标签 (确定性), 不使用 LLM 解析 description
• match_rate 是标签重合率, 非 AI 评分
• 场景列表来自规则映射, 非每次 LLM 推断