nexus-query — 代码结构精准查询
何时调用
| 场景 | 调用 |
|---|---|
| 「这个文件有哪些类/方法，依赖什么」 | 是 |
| 「改这个接口/模块，哪些文件受影响」 | 是 |
| 「这个改动的影响半径是多大」 | 是 |
| 「项目里谁是真正的核心依赖节点」 | 是 |
| 「整个项目大概分哪几块」 | 是 |
用户希望生成完整的 .nexus-map/ 知识库 | 否 → 改用 nexus-mapper |
| 运行环境无 shell 执行能力 | 否 |
| 宿主机无本地 Python 3.10+ | 否 |
前提：确保 ast_nodes.json 可用
进入查询前 → 检查是否有 ast_nodes.json
├── 有（.nexus-map/raw/ast_nodes.json 或用户指定路径）→ 直接查询
└── 没有 → 运行 extract_ast.py 生成 → 再查询
生成 AST 时，支持与 nexus-mapper 一致的扫描过滤：
--exclude-dirs django_static,.go_root按目录名或仓库相对路径忽略杂物目录--use-gitignore启用<repo_path>/.gitignore规则（默认开启），忽略其中声明的文件和目录--no-gitignore不应用.gitignore规则；此时仍会保留内置排除项和--exclude-dirs
# 默认路径（和 nexus-mapper 的 .nexus-map/ 兼容，可互通）
AST_JSON="$repo_path/.nexus-map/raw/ast_nodes.json"
GIT_JSON="$repo_path/.nexus-map/raw/git_stats.json" # 可选
# 若 ast_nodes.json 不存在，先创建目录再生成（约数秒）
mkdir -p "$repo_path/.nexus-map/raw"
python $SKILL_DIR/scripts/extract_ast.py $repo_path > $AST_JSON
# 若仓库包含大批静态资源、生成物或杂物目录，可显式追加排除项
python $SKILL_DIR/scripts/extract_ast.py $repo_path \
--exclude-dirs django_static,.go_root,third_party/assets \
> $AST_JSON
# 若不希望读取 .gitignore，可显式关闭
python $SKILL_DIR/scripts/extract_ast.py $repo_path \
--no-gitignore \
> $AST_JSON
# 若需要 git 风险数据（可选，仅在存在 .git 时）
python $SKILL_DIR/scripts/git_detective.py $repo_path --days 90 > $GIT_JSON
$SKILL_DIR为本 Skill 的安装路径（.agent/skills/nexus-query或独立 repo 路径）。extract_ast.py默认排除.git/、.nexus-map/、node_modules/、__pycache__/、.venv/、dist/、build/等噪音目录及文件；默认还会读取<repo_path>/.gitignore，忽略其中声明的文件和目录。--no-gitignore仅关闭.gitignore规则，不会关闭内置排除项，也不会关闭--exclude-dirs。
依赖安装（首次使用）：
pip install -r $SKILL_DIR/scripts/requirements.txt
五个查询模式
# 文件骨架：类、方法、行号、import 清单
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --file <path>
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --file <path> --git-stats $GIT_JSON
# 反向依赖：谁 import 了这个模块（区分源码文件和测试文件）
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --who-imports <module_or_path>
# 影响半径：上游依赖 + 下游被依赖（X upstream, Y downstream）
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --impact <path>
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --impact <path> --git-stats $GIT_JSON
# 全仓库核心节点：按扇入（被引用最多）和扇出（引用最多）排序
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --hub-analysis [--top N]
# 按顶层目录聚合结构摘要
python $SKILL_DIR/scripts/query_graph.py $AST_JSON --summary
各模式核心价值
| 模式 | 一句话价值 | 典型触发时机 |
|---|---|---|
--file | 不读源码也能掌握文件骨架，精确到行号 | 接手大型模块前；Bug 调查缩小读取区间 |
--who-imports | 改接口前的"炸弹清单"——列出所有调用方 | 删函数/改签名/重命名类之前，必须跑 |
--impact | 0 upstream, 24 downstream 一眼看清改动范围 | Sprint 估时；评估修改是局部手术还是全局手术 |
--hub-analysis | 找出真正的高耦合核心，不靠目录名猜 | 架构评审；技术债优先级排序 |
--summary | 5 秒建立全局分层认知，比 README 更客观 | 初次接触项目；识别循环依赖风险区域 |
场景速查
| 你此刻的问题 | 用哪个 |
|---|---|
| 这个文件有哪些类/方法，各在哪几行 | --file |
| 改这个接口/删函数，哪些文件跟着改 | --who-imports |
| 这个改动最终影响多少模块 | --impact |
| 这个改动风险有多高（加 git 热度） | --impact --git-stats |
| 项目里谁是真正的高耦合中心 | --hub-analysis |
| 整个项目的模块分布和层级 | --summary |
| 连续重构，改完一处要看影响链 | --who-imports → --impact |
| 估算技术债改造的工作量 | --hub-analysis → --impact |
执行守则
守则1: 先骨架再查询
使用 --impact 或 --who-imports 分析某个模块前，建议先用 --file 读取其骨架，理解职责和现有 import，避免对查询结果产生误判。
守则2: git-stats 是加分项，不是硬阻塞
没有 .git 或 git 历史不足时，跳过 git_detective.py，只用 AST 数据查询。
守则3: 路径匹配灵活但要验证
支持路径片段匹配（如 vision.py 可匹配 src/core/vision.py）。结果返回 [NOT FOUND] 时，先用 --summary 确认仓库中存在的模块路径格式，再重新查询。
守则4: 结果直接呈现，让数字说话
--impact 返回的 X upstream, Y downstream 是客观数字，直接告知用户，不用「可能影响较大」这类模糊词替代。