docs-analysis

Solid

Dokumenten-Anforderungsanalyse: Analysiert Konzept- und Anforderungsdokumente im docs/ Ordner, prueft Anforderungen gegen den aktuellen Code und erstellt einen konsolidierten Differenz-Bericht.

AI & Automation 2 stars 1 forks Updated today MIT

Install

View on GitHub

Quality Score: 81/100

Stars 20%
16
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# Dokumenten-Anforderungsanalyse > Analysiert alle Konzept- und Anforderungsdokumente, prueft deren Anforderungen gegen den aktuellen Code und erstellt einen konsolidierten Differenz-Bericht. --- ## Zweck Analysiert alle Konzept- und Anforderungsdokumente im ../docs/ Ordner, prueft deren Anforderungen gegen den aktuellen Code und erstellt einen konsolidierten Differenz-Bericht. --- ## Namenskonvention ### Praefix und Suffix Alle analysierten Dokumente erhalten: - **Praefix:** `conN_` wobei N = Analyse-Version (1, 2, 3, ...) - **Suffix:** `_XX` wobei XX = Erfuellungsgrad in Prozent (gerundet auf 10er) ### Archivierungs-Schwelle - **>= 75% erfuellt:** Dokument wird nach `../docs/_archive/` verschoben - **< 75% erfuellt:** Dokument bleibt in `../docs/` mit Praefix/Suffix - **Schwelle konfigurierbar** (Default: 75) --- ## Ablauf ### Phase 1: Dokumente sammeln - Liste alle *.md und *.txt Dateien in ../docs/ (root) - Filtere README.txt aus ### Phase 2: Anforderungen extrahieren Fuer jedes Dokument: - Lese Inhalt - Identifiziere Anforderungen (Checklisten, Tabellen, FEHLT/TODO Marker) - Kategorisiere: Struktur, Code, API, DB-Schema, CLI, Feature ### Phase 3: Code-Pruefung Fuer jede Anforderung: - Bestimme Pruefmethode (Glob, Grep, Read) - Fuehre Pruefung durch - Markiere als: ERFUELLT, TEILWEISE, FEHLT ### Phase 4: Bewertung - Zaehle erfuellte vs. offene Anforderungen - Berechne Erfuellungsgrad (%) - Entscheide: archivieren (>= 75%) oder belassen (< 75%) ### Phase 5: ...

Details

Author
ellmos-ai
Repository
ellmos-ai/skills
Created
4 months ago
Last Updated
today
Language
Python
License
MIT

Integrates with

Similar Skills

Semantically similar based on skill content — not just same category