Impact AI — 变更影响爆炸半径分析

Impact AI 是一款 VS Code / Cursor 扩展插件。你配置「待分析分支 + 对比起点 commit」后，它会采集该分支在起点之后的独有变更，结合可选的需求清单与项目知识（Skills），利用 AI 自动分析改了什么、波及哪里、该测什么，最终输出一份按需求组织的结构化影响报告（Markdown 或交互式 HTML）。

解决的痛点

设计架构

┌─────────────┐     ┌──────────────┐     ┌─────────────────┐
│ 配置任务     │────▶│ Git 采集      │────▶│ 变动点 / diff    │
│ 分支对+需求  │     │ 变更集        │     │ 索引与工具上下文  │
└─────────────┘     └──────────────┘     └────────┬────────┘
                                                   │
                   ┌──────────────┐     ┌──────────▼────────┐
                   │ 报告 .md/.html│◀────│ LLM + Skills      │
                   │ 按需求分章     │     │ + 工具 / MCP      │
                   └──────────────┘     └────────┬───────────┘
                                                   │
                             ┌─────────────────────┘
                             ▼
                   ┌──────────────────────┐
                   │ ① 证据 L1-L4          │
                   │ ② 大纲自检 → 补全     │  ← 最多 4 轮，未收敛告警
                   │ ③ 并发生成+逐章审查   │  ← 最多 3 路并发，每章 LLM 审查
                   │ ④ 合并后静态收尾      │  ← 占位符/语法/结构检查
                   └──────────────────────┘

分析引擎内部按逻辑角色分工（同一模型、不同相位）：探勘者 → 归并者 → 规划者 → 校验者 → 写作者。

Loop Engineering：分析流程拆为「证据采集 → 结构覆盖 → 并发生成+逐章审查 → 静态收尾」四层闭环，并用逻辑角色分工。环② 最多 4 轮自检；环③ 章节 并发生成（最多 3 路），每章内嵌 LLM 质量审查，合并后纯静态收尾；技能多时由内部路由自动筛选，对用户无感。

核心能力

分支级变更分析

• 分析范围：git diff {对比起点 commit}..{待分析分支 tip}，仅分析该分支独有变更
• 支持本地仓库与远端 Git（扩展内缓存 clone，无需业务仓库在当前工作区）
• 自动推断对比起点，也可手动填写 SHA/tag

需求驱动的报告

报告以需求为唯一组织维度。每条需求包含：

未匹配到需求清单的独立能力，由 AI 归纳为 AUTO-xx 需求章节。

AI 分析引擎

• 调用可配置的 LLM（OpenAI 兼容 API / Anthropic / Azure / 自定义）
• 本地工具：变动点地图、inspect_change_point、get_diff_*、search_code、list_commits 等
• Skills：内置 / 全局 / 项目级 SKILL.md；分析时自动选用，无需手动选择
• MCP：可连接外部 MCP 服务（如代码图谱），扩展分析能力
• 大版本优化：变动点索引 + 工具预算控制；超长报告分片按需求章节 并发生成（最多 3 路）
• 覆盖度自检：大纲生成后按变动点分片并发审查，最多 4 轮审计‑补全‑复核，未收敛时告警
• 逐章质量审查：每个 worker 内嵌 LLM 审查+修复（短文本，无截断风险），合并后纯静态规则收尾
• 报告质量终审：非分片路径保留 LLM 整篇审查-修复循环（最多 2 轮），超限降级输出
• 多轮会话：分析后可继续追问，保留上下文摘要
• Agent 自动学习：跨任务沉淀分析 Playbook，使 Agent 越用越准

项目管理

• 侧边栏面板管理任务：添加项目、配置分支、录入/导入需求、运行分析
• 单任务可绑定多个关联仓库（如前端 + 后端）
• 需求支持手工录入或 Excel/CSV 导入（列映射）
• 报告输出 Markdown 或交互式 HTML

快速上手

环境要求

• VS Code 1.80+ 或 Cursor
• Git 2.30+（系统已安装并在 PATH 中可用）
• LLM API Key（OpenAI 兼容接口）

典型流程

1. 打开侧边栏 Impact AI → 项目 面板
2. 点击 + 本地（分析当前工作区 Git 仓库）或 + 远端（填写仓库地址）
3. 选择基准分支与待分析分支，自动推断或手动填写对比起点 commit
4. （可选）录入或 Excel 导入需求清单
5. 在设置页配置 API Key 与模型
6. 点击 ▶ 运行分析

快捷键：Ctrl+Shift+R（macOS：Cmd+Shift+R）一键运行分析。

命令面板

Skills（项目知识）

分析时 AI 会自动选用与本次变更相关的技能，无需手动指定。维护技能只需在对应目录编写 SKILL.md：

数据存储

所有任务数据位于工作区 .impact/ 目录（建议加入 .gitignore）。远端仓库 clone 缓存位于扩展内部存储。报告保存在 .impact/{taskId}/reports/ 下。

常见问题