concept-modeling
架构的本质是**概念的识别与组织**。这是优先级最高的 lens。
$ npx -y skills add AgentsMesh/AgentsMesh --agent claude-codeHow it fires
How this agent gets triggered: by you, by Claude, or both.
- Fires itselfAuto-invocation. Claude auto-loads it when your prompt matches the work.Auto-invocation is when the right skill fires by itself at the right moment, driven by a FLOW.md router and a hook, instead of you invoking it by name. It is the difference between a skill being installed and a skill actually getting used.Read the full definition →
- You can call itInvoke it directly when you want it.
Context preview
The summary Claude sees to decide when to auto-load this agent.
架构的本质是**概念的识别与组织**。这是优先级最高的 lens。
Agent definition
concept-modeling.mdLens A —— 概念建模
架构的本质是**概念的识别与组织**。这是优先级最高的 lens。
0. 先取词:领域统一语言从哪来
判断"概念识别对不对"前,先确立这个项目的**统一语言(ubiquitous language)**,否则全是猜。优先从这些来源取真实概念词:
- **数据库 schema / 迁移文件**:表名、字段名 = 最硬的领域名词。
- **API 表面**:路由、DTO、GraphQL schema 暴露的资源名。
- **领域文档 / README / ADR / 需求**:业务方用的词。
- **核心实体类型命名**:已有的 entity/model/aggregate。
把这些词列出来,再看代码里的类/模块命名是否与之对齐——错位、缺失、技术词替代业务词,都是这一 lens 的 finding(带 `file:line` 证据)。
1. 概念识别 (Concept Identification)
**检查项:**
- [ ] 核心领域概念是否被正确识别和命名
- [ ] 概念边界是否清晰(这个类/模块代表什么?)
- [ ] 命名是否准确反映业务语义(统一语言)
- [ ] 是否存在概念混淆(一个类代表多个概念)
- [ ] 是否存在概念碎片化(一个概念散落多处)
**违规模式:**
- 命名模糊:`DataHandler`、`InfoManager`、`ProcessHelper`
- 概念混合:`UserOrderService` 混合了用户和订单两个领域
- 概念缺失:业务中的核心概念没有对应的代码实体
- 技术命名替代业务命名:`StringProcessor` vs `EmailValidator`
> 置信度提示:概念碎片化(一个概念散落多处,改一处漏三处)通常是 75–100 分的真问题;单纯"名字不够好听"是 ≤25 分,不报。
2. 抽象质量 (Abstraction Quality)
**检查项:**
- [ ] 抽象层次是否一致(同一层级的概念粒度相近)
- [ ] 抽象是否稳定(不随实现细节变化)
- [ ] 抽象是否完整(覆盖了概念的核心行为)
- [ ] 是否过度抽象(抽象没有实际价值)← 高发假阳性来源,谨慎
- [ ] 是否抽象不足(具体实现暴露在外)
**抽象层次检查:**
✅ 良好的抽象层次:
Application Layer → OrderService, PaymentService
Domain Layer → Order, Payment, Customer
Infrastructure → MySQLOrderRepository, StripePaymentGateway
❌ 混乱的抽象层次:
同一目录下混合了 Order, MySQLConnection, validateEmail(), config.json
> 注意:**建议"增加抽象"前,必须证明有 ≥2 个真实实现或真实变化点**,否则这是 YAGNI 违规,按假阳性处理。
3. 封装评估 (Encapsulation)
**检查项:**
- [ ] 实现细节是否被隐藏
- [ ] 对外接口是否最小化
- [ ] 内部状态是否被保护
- [ ] 变化是否被隔离在边界内
**违规模式:**
- 过多 public 方法/属性
- 内部数据结构直接暴露
- 实现细节泄漏到接口
- 调用者需要了解内部工作原理
4. 实体关系 (Entity Relationships)
**检查项:**
- [ ] 实体间关系是否清晰(依赖、聚合、组合、关联)
- [ ] 关系方向是否正确(谁依赖谁)
- [ ] 是否存在循环依赖
- [ ] 关系强度是否合理(是否过度耦合)
**关系类型审查:**
依赖关系图应呈现:
├── 单向依赖(✅ A → B)
├── 层次依赖(✅ 上层 → 下层)
├── 抽象依赖(✅ 具体 → 抽象)
└── 避免:循环依赖、跨层依赖、向上依赖
Read more
Lens A —— 概念建模
架构的本质是**概念的识别与组织**。这是优先级最高的 lens。
0. 先取词:领域统一语言从哪来
判断"概念识别对不对"前,先确立这个项目的**统一语言(ubiquitous language)**,否则全是猜。优先从这些来源取真实概念词:
- **数据库 schema / 迁移文件**:表名、字段名 = 最硬的领域名词。
- **API 表面**:路由、DTO、GraphQL schema 暴露的资源名。
- **领域文档 / README / ADR / 需求**:业务方用的词。
- **核心实体类型命名**:已有的 entity/model/aggregate。
把这些词列出来,再看代码里的类/模块命名是否与之对齐——错位、缺失、技术词替代业务词,都是这一 lens 的 finding(带 `file:line` 证据)。
1. 概念识别 (Concept Identification)
**检查项:**
- [ ] 核心领域概念是否被正确识别和命名
- [ ] 概念边界是否清晰(这个类/模块代表什么?)
- [ ] 命名是否准确反映业务语义(统一语言)
- [ ] 是否存在概念混淆(一个类代表多个概念)
- [ ] 是否存在概念碎片化(一个概念散落多处)
**违规模式:**
- 命名模糊:`DataHandler`、`InfoManager`、`ProcessHelper`
- 概念混合:`UserOrderService` 混合了用户和订单两个领域
- 概念缺失:业务中的核心概念没有对应的代码实体
- 技术命名替代业务命名:`StringProcessor` vs `EmailValidator`
> 置信度提示:概念碎片化(一个概念散落多处,改一处漏三处)通常是 75–100 分的真问题;单纯"名字不够好听"是 ≤25 分,不报。
2. 抽象质量 (Abstraction Quality)
**检查项:**
- [ ] 抽象层次是否一致(同一层级的概念粒度相近)
- [ ] 抽象是否稳定(不随实现细节变化)
- [ ] 抽象是否完整(覆盖了概念的核心行为)
- [ ] 是否过度抽象(抽象没有实际价值)← 高发假阳性来源,谨慎
- [ ] 是否抽象不足(具体实现暴露在外)
**抽象层次检查:**
✅ 良好的抽象层次: Application Layer → OrderService, PaymentService Domain Layer → Order, Payment, Customer Infrastructure → MySQLOrderRepository, StripePaymentGateway ❌ 混乱的抽象层次: 同一目录下混合了 Order, MySQLConnection, validateEmail(), config.json
> 注意:**建议"增加抽象"前,必须证明有 ≥2 个真实实现或真实变化点**,否则这是 YAGNI 违规,按假阳性处理。
3. 封装评估 (Encapsulation)
**检查项:**
- [ ] 实现细节是否被隐藏
- [ ] 对外接口是否最小化
- [ ] 内部状态是否被保护
- [ ] 变化是否被隔离在边界内
**违规模式:**
- 过多 public 方法/属性
- 内部数据结构直接暴露
- 实现细节泄漏到接口
- 调用者需要了解内部工作原理
4. 实体关系 (Entity Relationships)
**检查项:**
- [ ] 实体间关系是否清晰(依赖、聚合、组合、关联)
- [ ] 关系方向是否正确(谁依赖谁)
- [ ] 是否存在循环依赖
- [ ] 关系强度是否合理(是否过度耦合)
**关系类型审查:**
依赖关系图应呈现: ├── 单向依赖(✅ A → B) ├── 层次依赖(✅ 上层 → 下层) ├── 抽象依赖(✅ 具体 → 抽象) └── 避免:循环依赖、跨层依赖、向上依赖
The AI Agent Workforce Platform. Run a hundred AI coding agents across your own machines — schedule, isolate, and steer them all from one console.
Repo: AgentsMesh/AgentsMesh
Other agents on agentsmesh.
- cochange-churn
静态切面看不到的架构问题,往往在**版本历史**里暴露。这是来自代码审查 git-history lens 的高信号视角。仅当处于 git 仓库时启用。
Open agent - evidence-and-detection
LLM 架构审查的头号失败模式:**凭空断言结构**——声称"A 依赖 B""这里有循环""X 被多处写",却没真去查。本文件给出强制接地原则 + 各语言的实际探测命令。
Open agent - report-format
范围小用 SKILL.md 里的精简版即可。下面是全量审计的结构化报告。
Open agent - responsibility-causality
这是本 skill 最独特、最能抓**真实结构性 bug** 的 lens:职责归属、机制/策略分离、因果与不变量(并发/状态契约)、属性三分。
Open agent - solid-grasp-yagni
经典原则做交叉验证。**这一 lens 最容易产出假阳性(教科书式建议)——严格用置信度门控,不报"理论上更优雅但无实际危害"的项。**
Open agent - structure-modularity
目录结构是架构的外在表现。这一 lens 必须配合实际的依赖图/环检测(用工具跑,别凭空想象)。
Open agent

