研发团队度量洞察 玩法指南
Rabetbase CLI 把团队所有的 SQL、BFF、数据集变成了可查询的结构化数据资产。它不只是帮开发者提效的工具——更是一套业务流程 AI 化的基础设施。当所有研发行为都沉淀在平台，AI 就能回答过去只能靠人工判断的问题：谁的代码复用率最高？谁在重复造轮子？架构债务藏在哪里？团队贡献如何量化？
本质上，这是用 AI 持续洞察团队健康度、保障架构一致性、发现协作盲区——而不是依赖主观评估或事后复盘。本手册是给 AI Agent 的执行指南，当用户提出以下类型的请求时，AI 按对应路径执行。
Case 1：分析 SQL 复用情况
用户 Prompt 示例：
"分析一下团队 SQL 复用情况""哪些 SQL 被多个 BFF 引用了""有没有孤岛 SQL"
AI 执行路径：
Bash
# Step 1: 拿 SQL 清单
rabetbase sql list --format json > /tmp/sql_list.json
# Step 2: 拿 BFF 清单，遍历每个 BFF 的代码，搜索 SQL 引用
rabetbase bff list --format json | jq -r '.[].id' | while read id; do
CODE=$(rabetbase bff detail "$id" --format json | jq -r '.code // ""')
echo "=== BFF: $id ==="
for sql in $(cat /tmp/sql_list.json | jq -r '.[].sqlCode'); do
echo "$CODE" | grep -q "$sql" && echo " -> $sql"
done
done输出格式：
Plain
SQL 复用率：
┌──────────────────┬───────┬──────────────────┐
│ SQL │ 引用数 │ 等级 │
├──────────────────┼───────┼──────────────────┤
│ get_user_profile │ 8 │ ⭐⭐⭐ 核心资产 │
│ get_order_list │ 5 │ ⭐⭐ 高复用 │
│ debug_v3 │ 1 │ ⚠️ 孤岛 │
└──────────────────┴───────┴──────────────────┘Case 2：检测重复 BFF 代码（DRY 违规）
用户 Prompt 示例：
"有没有重复的 BFF 代码""哪几个 BFF 长得差不多""DRY 违规有哪些"
AI 执行路径：
Bash
# 收集所有 BFF 代码到文件
rabetbase bff list --format json | jq -r '.[].id' | while read id; do
NAME=$(rabetbase bff detail "$id" --format json | jq -r '.name')
CODE=$(rabetbase bff detail "$id" --format json | jq -r '.code // ""')
echo "=== $NAME ===" >> /tmp/bff_all.txt
echo "$CODE" >> /tmp/bff_all.txt
echo "" >> /tmp/bff_all.txt
done然后在 Claude Code 里用 Python 做相似度比对：
Python
import subprocess, json, difflib
bff_list = json.loads(subprocess.run(
['rabetbase', 'bff', 'list', '--format', 'json'], capture_output=True, text=True
).stdout)
bffs = {}
for b in bff_list:
detail = json.loads(subprocess.run(
['rabetbase', 'bff', 'detail', b['id'], '--format', 'json'],
capture_output=True, text=True
).stdout)
bffs[b['name']] = detail.get('code', '')
for name_a, code_a in bffs.items():
for name_b, code_b in bffs.items():
if name_a >= name_b: continue
ratio = difflib.SequenceMatcher(None, code_a, code_b).ratio()
if ratio > 0.7:
print(f"⚠️ DRY违规: {name_a} <-> {name_b} (相似度 {ratio:.0%})")输出格式：
Plain
⚠️ DRY 违规：
- user/listHandler.ts <-> user/listV2.ts (82%)
- order/priceCalc.ts <-> order/priceCalcLegacy.ts (91%)Case 3：看团队数据模型全貌
用户 Prompt 示例：
"团队有哪些数据集""数据集之间的关联是什么""有没有孤岛数据集"
AI 执行路径：
Bash
# 数据集清单
rabetbase dataset list --format json | jq '.'
# 数据集关联图（PK/FK/JOIN）
rabetbase dataset links --format json | jq '.'找孤岛数据集（无任何关联）：
Bash
rabetbase dataset links --format json | jq '
[.datasets[] |
select(. as $ds |
[.links[] |
select(.fromDataset == $ds.name or .toDataset == $ds.name)] |
length == 0
) |
.name
]
'Case 4：团队贡献统计（按人聚合）
用户 Prompt 示例：
"团队谁写的 SQL 最多""这周新增了多少 BFF""每个人贡献了多少代码"
AI 执行路径：
Bash
# SQL 按创建者聚合
rabetbase sql list --format json | jq '
group_by(.createdBy // "未知") |
map({author: .[0].createdBy, count: length, sqlCodes: [.[]|.sqlCode]})
'
# BFF 按创建者聚合
rabetbase bff list --format json | jq '
group_by(.createdBy // "未知") |
map({author: .[0].createdBy, count: length, bffIds: [.[]|.id]})
'输出格式：
Plain
贡献热力图：
┌──────────┬───────┬───────┐
│ 开发者 │ SQL数 │ BFF数 │
├──────────┼───────┼───────┤
│ zhangsan │ 12 │ 8 │
│ lisi │ 9 │ 5 │
│ 未标注 │ 20 │ 7 │
└──────────┴───────┴───────┘Case 5：搜索现成方案
用户 Prompt 示例：
"有没有现成的订单 SQL""有没有用户相关的 BFF""搜索所有含 xxx 的数据集"
AI 执行路径：
Bash
# 搜索 SQL
rabetbase sql list --format json | jq '
[.[] | select(.sqlCode | test("订单|order"; "i"))]
'
# 搜索 BFF
rabetbase bff list --format json | jq '
[.[] | select(.name | test("用户|user"; "i"))]
'
# 搜索数据集
rabetbase dataset list --format json | jq '
[.[] | select(.name | test("营销|campaign"; "i"))]
'Case 6：快速摸底团队资产（新手 onboarding）
用户 Prompt 示例：
"快速了解团队研发情况""团队有哪些资产""给我一个全局概览"
AI 执行路径：
Bash
# 一口气拉全量数据
rabetbase sql list --format json > /tmp/sql.json
rabetbase bff list --format json > /tmp/bff.json
rabetbase dataset list --format json > /tmp/dataset.json
rabetbase dataset links --format json > /tmp/links.json
# 统计
echo "=== 团队资产概览 ==="
echo "SQL 总数: $(jq 'length' /tmp/sql.json)"
echo "BFF 总数: $(jq 'length' /tmp/bff.json)"
echo "数据集总数: $(jq 'length' /tmp/dataset.json)"
echo "数据集关联: $(jq '[.links] | flatten | length' /tmp/links.json)"Case 7：BFF 依赖了哪些数据集
用户 Prompt 示例：
"某个 BFF 用了哪些数据集""getUserProfile 这个 BFF 依赖什么数据"
AI 执行路径：
Bash
# 先找 BFF ID
rabetbase bff list --format json | jq '.[] | {name, id}'
# 看单个 BFF 详情（包含代码内容）
rabetbase bff detail <bff-id> --format json | jq '{name, code}'在代码里搜索 dataset_ 前缀或数据集名称的引用即可定位依赖。
通用前置：确认环境和登录
以上所有 Case，执行前必须先确认：
Bash
# 检查登录
rabetbase auth login 2>&1 | head -3
# 确认当前应用
rabetbase app list
rabetbase app use --appcode <目标应用>本文档供 AI Agent 执行研发洞察时参考使用 | 基于 rabetbase-cli 现有命令