Hogar
tech-debt-tracker
alirezarezvani/claude-skills
Escanea los repositorios de código en busca de deuda técnica, evalúa la gravedad, rastrea las tendencias y genera planes de remediación priorizados.
...Expandir todoRastreador de Deuda Técnica
Nivel: POTENTE 🔥
Categoría: Automatización de Procesos de Ingeniería
Área de Experticia: Calidad del Código, Gestión de la Deuda Técnica, Ingeniería de Software
Resumen
La deuda técnica es uno de los desafíos más insidiosos en el desarrollo de software: se acumula con el tiempo, ralentiza la velocidad de desarrollo, aumenta los costos de mantenimiento y reduce la calidad del código. Esta habilidad proporciona un marco integral para identificar, analizar, priorizar y rastrear la deuda técnica en repositorios de código.
La deuda técnica no se limita únicamente al código desordenado; abarca atajos arquitectónicos, pruebas ausentes, dependencias obsoletas, lagunas en la documentación y compromisos en la infraestructura. Al igual que la deuda financiera, genera "intereses" a través de un mayor tiempo de desarrollo, tasas más altas de errores y una reducción en la velocidad del equipo.
Lo que ofrece esta habilidad
Esta habilidad ofrece tres herramientas interconectadas que forman un sistema completo de gestión de deuda técnica:
- Escáner de Deuda - Identifica automáticamente señales de deuda técnica en tu repositorio de código.
- Priorizador de Deuda - Analiza y prioriza los elementos de deuda utilizando marcos de costo de retraso.
- Panel de Control de Deuda - Rastrea las tendencias de la deuda a lo largo del tiempo y proporciona informes ejecutivos.
Juntas, estas herramientas permiten a los equipos de ingeniería tomar decisiones basadas en datos sobre la deuda técnica, equilibrando el desarrollo de nuevas funciones con el trabajo de mantenimiento.
Inicio rápido: escanear → priorizar → panel de control
Todas las rutas son relativas a esta carpeta de habilidad. La salida en formato JSON del escáner alimenta directamente al priorizador; las instantáneas de inventario con fecha alimentan el panel de control.
1. Escanear el repositorio de código
python3 scripts/debt_scanner.py /path/to/codebase --format json --output debt_inventory.json
Genera debt_inventory.json con scan_metadata, summary, debt_items[], file_statistics y recommendations. Informa al usuario los conteos del summary. (Ejecución en seco: assets/sample_codebase.)
2. Priorizar el backlog
python3 scripts/debt_prioritizer.py debt_inventory.json --framework wsjf --team-size 6 --sprint-capacity 20 --format json --output debt_priorities.json
Marcos de referencia: cost_of_delay (predeterminado), wsjf, rice. La salida contiene prioritized_backlog (trabajo de arriba hacia abajo), sprint_allocation (para pegar en la planificación del sprint) e insights.
3. Rastrear tendencias a lo largo del tiempo
Mantén instantáneas con fecha (debt_YYYY-MM-DD.json) y luego ejecuta:
python3 scripts/debt_dashboard.py --input-dir snapshots/ --period monthly --format both --output debt_dashboard
O pasa los archivos explícitamente (ejemplos: assets/historical_debt_2024-01-15.json assets/historical_debt_2024-02-01.json). El panel de control informa la dirección de la tendencia y resúmenes listos para ejecutivos; úsalo para verificar que un sprint de limpieza realmente redujo la deuda.
Ciclo de verificación
Después de un sprint de remediación: vuelve a ejecutar el paso 1, vuelve a ejecutar el paso 3 con la nueva instantánea y verifica que los conteos de las categorías objetivo hayan disminuido. Una limpieza que no mueve el panel de control es un trabajo repetido, no un pago de deuda.
Marco de clasificación de la deuda técnica
→ Consulta references/debt-frameworks.md para más detalles (también: references/debt-classification-taxonomy.md, references/prioritization-framework.md, references/stakeholder-communication-templates.md)
Errores comunes y cómo evitarlos
1. Parálisis por análisis
Problema: Perder demasiado tiempo analizando la deuda en lugar de solucionarla. Solución: Establecer límites de tiempo para el análisis, utilizar puntuaciones "suficientemente buenas" para la mayoría de los elementos.
2. Perfeccionismo
Problema: Intentar eliminar toda la deuda en lugar de gestionarla. Solución: Centrarse en la deuda de alto impacto, aceptar que cierta deuda es aceptable.
3. Ignorar el contexto empresarial
Problema: Priorizar la elegancia técnica por encima del valor empresarial. Solución: Vincular siempre el trabajo de deuda con los resultados empresariales y el impacto en el cliente.
4. Aplicación inconsistente
Problema: Algunos equipos adoptan prácticas mientras otros las ignoran. Solución: Incorporar el seguimiento de la deuda como parte del flujo de trabajo estándar de desarrollo.
5. Sobreingeniería de herramientas
Problema: Construir sistemas complejos de gestión de deuda que nadie utiliza. Solución: Comenzar de forma sencilla, iterar basándose en patrones de uso reales.
La gestión de la deuda técnica no se trata solo de escribir mejor código; se trata de crear prácticas de desarrollo sostenibles que equilibren la presión de entrega a corto plazo con la salud del sistema a largo plazo. Utiliza estas herramientas y marcos de referencia para tomar decisiones informadas sobre cuándo y cómo invertir en la reducción de la deuda.
---
name: tech-debt-tracker
description: Scan codebases for technical debt, score severity, track trends, and generate prioritized remediation plans.
---
# Tech Debt Tracker
**Tier**: POWERFUL 🔥
**Category**: Engineering Process Automation
**Expertise**: Code Quality, Technical Debt Management, Software Engineering
## Overview
Tech debt is one of the most insidious challenges in software development - it compounds over time, slowing down development velocity, increasing maintenance costs, and reducing code quality. This skill provides a comprehensive framework for identifying, analyzing, prioritizing, and tracking technical debt across codebases.
Tech debt isn't just about messy code - it encompasses architectural shortcuts, missing tests, outdated dependencies, documentation gaps, and infrastructure compromises. Like financial debt, it accrues "interest" through increased development time, higher bug rates, and reduced team velocity.
## What This Skill Provides
This skill offers three interconnected tools that form a complete tech debt management system:
1. **Debt Scanner** - Automatically identifies tech debt signals in your codebase
2. **Debt Prioritizer** - Analyzes and prioritizes debt items using cost-of-delay frameworks
3. **Debt Dashboard** - Tracks debt trends over time and provides executive reporting
Together, these tools enable engineering teams to make data-driven decisions about tech debt, balancing new feature development with maintenance work.
## Quick Start — scan → prioritize → dashboard
All paths relative to this skill folder. The scanner's JSON output feeds the prioritizer directly; dated inventory snapshots feed the dashboard.
### 1. Scan the codebase
```bash
python3 scripts/debt_scanner.py /path/to/codebase --format json --output debt_inventory.json
```
Emits `debt_inventory.json` with `scan_metadata`, `summary`, `debt_items[]`, `file_statistics`, and `recommendations`. Report the `summary` counts to the user. (Dry run: `assets/sample_codebase`.)
### 2. Prioritize the backlog
```bash
python3 scripts/debt_prioritizer.py debt_inventory.json --framework wsjf --team-size 6 --sprint-capacity 20 --format json --output debt_priorities.json
```
Frameworks: `cost_of_delay` (default), `wsjf`, `rice`. Output contains `prioritized_backlog` (work top-down), `sprint_allocation` (paste into sprint planning), and `insights`.
### 3. Track trends over time
Keep dated snapshots (`debt_YYYY-MM-DD.json`), then:
```bash
python3 scripts/debt_dashboard.py --input-dir snapshots/ --period monthly --format both --output debt_dashboard
```
Or pass files explicitly (samples: `assets/historical_debt_2024-01-15.json assets/historical_debt_2024-02-01.json`). The dashboard reports trend direction and executive-ready summaries — use it to verify a cleanup sprint actually reduced debt.
### Verification loop
After a remediation sprint: re-run step 1, re-run step 3 with the new snapshot, and assert the targeted categories' counts dropped. A cleanup that doesn't move the dashboard is rework, not debt paydown.
## Technical Debt Classification Framework
→ See references/debt-frameworks.md for details (also: references/debt-classification-taxonomy.md, references/prioritization-framework.md, references/stakeholder-communication-templates.md)
## Common Pitfalls and How to Avoid Them
### 1. Analysis Paralysis
**Problem**: Spending too much time analyzing debt instead of fixing it.
**Solution**: Set time limits for analysis, use "good enough" scoring for most items.
### 2. Perfectionism
**Problem**: Trying to eliminate all debt instead of managing it.
**Solution**: Focus on high-impact debt, accept that some debt is acceptable.
### 3. Ignoring Business Context
**Problem**: Prioritizing technical elegance over business value.
**Solution**: Always tie debt work to business outcomes and customer impact.
### 4. Inconsistent Application
**Problem**: Some teams adopt practices while others ignore them.
**Solution**: Make debt tracking part of standard development workflow.
### 5. Tool Over-Engineering
**Problem**: Building complex debt management systems that nobody uses.
**Solution**: Start simple, iterate based on actual usage patterns.
Technical debt management is not just about writing better code - it's about creating sustainable development practices that balance short-term delivery pressure with long-term system health. Use these tools and frameworks to make informed decisions about when and how to invest in debt reduction.
Todos los archivos
0 archivosInstalar tech-debt-tracker
Descarga y extrae los archivos de habilidades en tu directorio .claude/skills/.
Descargar ZIPClona el repositorio y copia los archivos de la habilidad a tu proyecto.
git clone https://github.com/alirezarezvani/claude-skills/tree/main/engineering/skills/tech-debt-tracker # Copy SKILL.md to your .claude/skills/ directory
Copiar
