prompt-analysis

Skill do analizy historii interakcji z modelami AI w kontekście git. Pozwala badać, które prompty zostały użyte, jak często kod z AI był akceptowany lub modyfikowany przez człowieka, oraz jakie są trendy w Twoim zespole. Pracuje na lokalnej bazie danych SQLite (prompts.db) gromadzącej wszystkie rozmowy z AI, powiązane commity i metryki akceptacji. Przydatny do oceny efektywności pracy z asystentami kodowania (Claude, Cursor itp.) i zrozumienia, które podejścia do promptowania działają najlepiej.

1. Upewnij się, że masz zainstalowany Git AI i skill prompt-analysis jest dostępny w Twoim środowisku. 2. Uruchom inicjalizację bazy danych poleceniem git-ai prompts, które utworzy lub zaktualizuje plik prompts.db w bieżącym katalogu. Domyślnie zbiera dane dla bieżącego użytkownika i repozytorium z ostatnich 30 dni. 3. Jeśli chcesz analizować dane dla całego zespołu, dodaj flagę --all-authors; dla wszystkich repozytoriów użyj --all-repositories; dla konkretnego okresu czasu użyj --since <liczba_dni>. 4. Po inicjalizacji możesz zadawać pytania w naturalnym języku, np. "Jakie są moje wzorce promptów?" lub "Jaki jest wskaźnik akceptacji mojego kodu z AI?". Skill automatycznie przetłumaczy pytanie na zapytanie SQL i zwróci wyniki z bazy danych. 5. Wyniki pokażą metryki takie jak liczba promptów, procent zaakceptowanego kodu (accepted_rate), narzędzia i modele, które używałeś, oraz powiązane commity. 6. Używaj tych informacji do optymalizacji swoich promptów – jeśli wskaźnik akceptacji jest niski, spróbuj bardziej szczegółowych instrukcji; jeśli wysoki, powtarzaj sprawdzone wzorce.