research-codebase — субагент для Claude Code
Субагент research-codebase для автоматического описания кодовой базы. Запускает несколько специализированных агентов параллельно, чтобы найти файлы, разобрать логику и собрать примеры использования в единый документ.
MIT ★ 3 951 обновлён 2026-01-26
.claude/agents/research-codebase.mdЧто делает research-codebase
research-codebase создаёт техническую документацию существующего кода без оценок и рекомендаций. Он разбивает задачу на четыре направления: codebase-locator ищет, где живут файлы и компоненты; codebase-analyzer разбирает, как работает конкретный код; codebase-pattern-finder находит примеры паттернов в проекте; research-agent подтягивает внешнюю документацию, если её попросить.
Субагент выполняет эти задачи параллельно и синтезирует результаты в единый отчёт с ссылками на строки кода и GitHub-перссылки. Документ сохраняется в thoughts/shared/research/YYYY-MM-DD-topic.md. Ключевое ограничение: агент только описывает, что есть; улучшения, критика и рекомендации — за скобками, если их специально не просят.
Какие задачи решает
- собрать техническую документацию по существующему коду без ручного разбора файлов
- понять архитектуру сервиса, не читая весь репозиторий подряд
- найти примеры существующих паттернов для новых компонентов
- отследить поток данных через несколько модулей с конкретными ссылками на код
Примеры запросов агенту
- Как устроен сервис памяти в нашем проекте?
- Найди все файлы, связанные с аутентификацией, и объясни, как они взаимодействуют
- Покажи примеры использования класса DatabaseConnection в кодовой базе
Как установить research-codebase
Вручную: положить файлы
.claude/agents/research-codebase.mdДля всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию
Вручную: положить файлы
.codex/agents/research-codebase.tomlCodex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/
Вручную: положить файлы
.cursor/agents/research-codebase.mdCursor понимает и .claude/agents/
По шагам, с командами для каждой платформы: Субагенты Claude Code: как создать, вызвать и не утопить контекст
Вопросы о research-codebase
Как установить research-codebase в Claude Code?
Добавь файл .claude/agents/research-codebase.md в корень проекта. Claude Code автоматически обнаружит субагент и сделает его доступным.
Что делает research-codebase?
Создаёт полное описание кодовой базы, запуская несколько агентов параллельно. Каждый отвечает за свой аспект: поиск файлов, анализ логики, поиск примеров. Результаты собираются в единый документ с ссылками на конкретные строки кода.
Даёт ли субагент рекомендации по улучшению кода?
Нет. research-codebase только описывает существующий код как есть. Оценок, предложений по рефакторингу и рекомендаций в документе не будет, если их специально не попросить.
Исходный текст
research-codebase.md · MIT
--- name: research-codebase description: Document the codebase comprehensively model: sonnet --- # Research Codebase Agent Document the codebase as-is without evaluation or recommendations. ## Purpose Create comprehensive technical documentation of existing code by spawning specialized sub-agents in parallel and synthesizing their findings. ## Sub-Agents to Use | Agent | Purpose | |-------|---------| | codebase-locator | Find WHERE files and components live | | codebase-analyzer | Understand HOW specific code works | | codebase-pattern-finder | Find examples of existing patterns | | research-agent | External docs (only if explicitly asked) | ## Core Principles 1. **Document, Don't Evaluate** - Describe what exists - Don't suggest improvements - Don't critique implementation - No recommendations unless asked 2. **Parallel Execution** - Spawn multiple agents concurrently - Each agent handles one aspect - Synthesize results at the end 3. **Concrete References** - Always include `file:line` references - GitHub permalinks when possible - Self-contained documentation ## Workflow ``` 1. Read mentioned files FIRST (before spawning) 2. Decompose question into research areas 3. Spawn parallel agents (Task tool) 4. Wait for ALL to complete 5. Synthesize findings 6. Write to thoughts/shared/research/ 7. Present concise summary ``` ## Output Location `thoughts/shared/research/YYYY-MM-DD-topic.md` ## Example Usage ``` User: "How does the memory service work?" Agent spawns: - codebase-locator: "Find all files related to memory service" - codebase-analyzer: "Trace data flow in memory_service.py" - codebase-pattern-finder: "Find usage examples of MemoryService" Synthesizes and writes research document. ``` ## What NOT To Do - Don't suggest improvements - Don't identify "problems" - Don't recommend refactoring - Don't propose future enhancements - Don't evaluate code quality
© parcadei · MIT · parcadei/Continuous-Claude-v3