tldr-deep — скилл для Claude Code: что делает и как установить
Скилл разбирает отдельную функцию по пяти аналитическим слоям через утилиту tldr. Помогает при отладке и рефакторинге запутанного кода.
npx skills add parcadei/Continuous-Claude-v3 --skill tldr-deep -a claude-codeЧто делает tldr-deep
Скилл находит объявление функции в проекте и последовательно запускает пять аналитических слоёв. Сначала извлекается структура файла через AST (tldr extract), затем строится граф вызовов с глубиной 2 (tldr context). Следом инструмент оценивает граф потока управления CFG с расчётом цикломатической сложности и граф потока данных DFG. Завершает цепочку срез программы для целевой строки (tldr slice).
Для запуска анализа в окружении должна быть установлена CLI-утилита tldr или доступен Python-модуль tldr.api. Без этой внешней утилиты агент не сможет собрать срезы и графы вызовов.
Какие задачи решает
- рассчитать цикломатическую сложность функции
- построить граф входящих и исходящих вызовов
- отследить поток данных и места определения переменных
- получить срез зависимостей для конкретной строки кода
Примеры запросов агенту
- /tldr-deep process_data
- проанализируй функцию handle_request в деталях
- разбери работу функции calculate_tax по всем слоям
Как установить tldr-deep
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill tldr-deep -a claude-code2Вручную: положить файлы
~/.claude/skills/tldr-deep/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/tldr-deep/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill tldr-deep -a codex2Вручную: положить файлы
.agents/skills/tldr-deep/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill tldr-deep -a cursor2Вручную: положить файлы
.cursor/skills/tldr-deep/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install parcadei/Continuous-Claude-v3 tldr-deep2Вручную: положить файлы
.github/skills/tldr-deep/SKILL.md1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill tldr-deep -a gemini-cli2Командой платформы
gemini skills install https://github.com/parcadei/Continuous-Claude-v3 --path .claude/skills/tldr-deepВручную: положить файлы
.devin/skills/tldr-deep/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill tldr-deep -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Из того же набора69
Похожие
Рядом в теме «Код-ревью и рефакторинг»
Всё по теме «Код-ревью и рефакторинг» →Вопросы о tldr-deep
Как установить tldr-deep в Claude Code?
Выполните команду npx skills add parcadei/Continuous-Claude-v3 --skill tldr-deep -a claude-code. Файл навыка сохранится по пути ~/.claude/skills/tldr-deep/SKILL.md.
Что делает скилл tldr-deep?
Он выполняет глубокий пятислойный анализ выбранной функции: проверяет синтаксическое дерево, строит граф вызовов, вычисляет поток управления, отслеживает поток данных и формирует срез программы.
Какие требования нужны для работы tldr-deep?
Требуется рабочая утилита командной строки tldr в окружении либо библиотека tldr.api. Скилл вызывает системные команды tldr search, tldr cfg, tldr dfg и tldr slice.
Исходный текст
SKILL.md · MIT
---
name: tldr-deep
description: Full 5-layer analysis of a specific function. Use when debugging or deeply understanding code.
---
# TLDR Deep Analysis
Full 5-layer analysis of a specific function. Use when debugging or deeply understanding code.
## Trigger
- `/tldr-deep <function_name>`
- "analyze function X in detail"
- "I need to deeply understand how Y works"
- Debugging complex functions
## Layers
| Layer | Purpose | Command |
|-------|---------|---------|
| L1: AST | Structure | `tldr extract <file>` |
| L2: Call Graph | Navigation | `tldr context <func> --depth 2` |
| L3: CFG | Complexity | `tldr cfg <file> <func>` |
| L4: DFG | Data flow | `tldr dfg <file> <func>` |
| L5: Slice | Dependencies | `tldr slice <file> <func> <line>` |
## Execution
Given a function name, run all layers:
```bash
# First find the file
tldr search "def <function_name>" .
# Then run each layer
tldr extract <found_file> # L1: Full file structure
tldr context <function_name> --project . --depth 2 # L2: Call graph
tldr cfg <found_file> <function_name> # L3: Control flow
tldr dfg <found_file> <function_name> # L4: Data flow
tldr slice <found_file> <function_name> <target_line> # L5: Slice
```
## Output Format
```
## Deep Analysis: {function_name}
### L1: Structure (AST)
File: {file_path}
Signature: {signature}
Docstring: {docstring}
### L2: Call Graph
Calls: {list of functions this calls}
Called by: {list of functions that call this}
### L3: Control Flow (CFG)
Blocks: {N}
Cyclomatic Complexity: {M}
[Hot if M > 10]
Branches:
- if: line X
- for: line Y
- ...
### L4: Data Flow (DFG)
Variables defined:
- {var1} @ line X
- {var2} @ line Y
Variables used:
- {var1} @ lines [A, B, C]
- {var2} @ lines [D, E]
### L5: Program Slice (affecting line {target})
Lines in slice: {N}
Key dependencies:
- line X → line Y (data)
- line A → line B (control)
---
Total: ~{tokens} tokens (95% savings vs raw file)
```
## When to Use
1. **Debugging** - Need to understand all paths through a function
2. **Refactoring** - Need to know what depends on what
3. **Code review** - Analyzing complex functions
4. **Performance** - Finding hot spots (high cyclomatic complexity)
## Programmatic API
```python
from tldr.api import (
extract_file,
get_relevant_context,
get_cfg_context,
get_dfg_context,
get_slice
)
# All layers for one function
file_info = extract_file("src/processor.py")
context = get_relevant_context("src/", "process_data", depth=2)
cfg = get_cfg_context("src/processor.py", "process_data")
dfg = get_dfg_context("src/processor.py", "process_data")
slice_lines = get_slice("src/processor.py", "process_data", target_line=42)
```
© parcadei · MIT · parcadei/Continuous-Claude-v3