data-substrate-analysis
Analizar tipos primitivos de datos y sistemas de tipos
Entender los patrones de modelado de datos es fundamental para construir frameworks de agentes de IA mantenibles. Esta habilidad proporciona un análisis estructurado de estrategias de tipos, patrones de mutación y enfoques de serialización para tomar decisiones arquitectónicas informadas.
下载技能 ZIP
在 Claude 中上传
前往 设置 → 功能 → 技能 → 上传技能
开启并开始使用
测试它
正在使用“data-substrate-analysis”。 Analizar el sistema de tipos en este código base de framework de agentes
预期结果:
- Typing Strategy: Pydantic BaseModel with V2 migration
- Key Files: models.py (L15-45), schema.py (L8-32)
- Nesting Depth: Medium (2-3 levels)
- Mutation: Mixed - uses model_copy() for updates but list.append() for message history
- Serialization: model_dump_json() for API, model_dump() for internal
- Risk: Message history mutable via .append() - consider copy-on-write
正在使用“data-substrate-analysis”。 Revisar los patrones de mutación en este servicio de Python
预期结果:
- Pattern Detected: In-place mutation via list.append()
- Location: state_manager.py:42-48
- Risk Level: Medium - shared state mutation
- Recommendation: Use model_copy() or dataclasses.replace() for thread safety
正在使用“data-substrate-analysis”。 Verificar los métodos de serialización usados en este proyecto
预期结果:
- Serialization: Pydantic model_dump() with custom encoder
- Round-trip Safety: Tested with model_validate()
- Unsafe Patterns: None detected
- Note: pickle is not used - security best practice
安全审计
安全Pure markdown documentation skill providing analysis guidance for typing strategies, mutation patterns, and serialization approaches. Contains no code execution, network access, filesystem operations, or external commands. All 42 static findings are false positives from misinterpreting documentation syntax and metadata as security risks.
风险因素
🌐 网络访问 (1)
📁 文件系统访问 (1)
⚙️ 外部命令 (27)
质量评分
你能构建什么
Comparar enfoques de tipado
Evalúa Pydantic vs TypedDict vs dataclasses para tus decisiones de arquitectura de framework de agentes.
Auditar gestión de estado
Identifica riesgos de mutación y violaciones de inmutabilidad en el manejo de estado del código existente.
Documentar estrategia de serialización
Analiza patrones de serialización y documenta la seguridad de ida y vuelta en tus modelos de datos.
试试这些提示
Usa data-substrate-analysis para examinar las definiciones de tipos en este código base. Identifica la estrategia de tipado (Pydantic, Dataclass, TypedDict o dicts flexibles) y enumera los tipos primitivos clave con sus ubicaciones.
Aplica data-substrate-analysis para auditar los patrones de mutación. Reporta si las actualizaciones de estado usan modificación en lugar o copia-escritura. Señala cualquier patrón mutable arriesgado encontrado.
Usa data-substrate-analysis para documentar el enfoque de serialización. Verifica el uso de pickle (riesgo de seguridad), valida serialización implícita vs explícita y verifica seguridad de ida y vuelta.
Ejecuta data-substrate-analysis en Framework A y Framework B. Genera una matriz comparativa mostrando estrategia de tipado, patrones de mutación, método de serialización y límites de validación para cada uno.
最佳实践
- Usa Pydantic BaseModel para datos con seguridad de tipos y validación automática en los límites
- Prefiere copia-escritura (model_copy, dataclasses.replace) sobre mutación en lugar
- Evita pickle para serialización debido a vulnerabilidades de seguridad
避免
- Usar Dict[str, Any] flexible sin límites de tipos en entrada/salida de API
- Mezclar patrones mutables e inmutables de manera inconsistente dentro de la misma estructura de datos
- Serialización implícita sin métodos to_dict() o from_dict() explícitos