Lar
tech-debt-tracker
alirezarezvani/claude-skills
Escanear repositórios de código em busca de dívida técnica, classificar a gravidade, acompanhar tendências e gerar planos de remediação priorizados.
...Expandir tudoRastreador de Dívida Técnica
Nível: PODEROSO 🔥
Categoria: Automação de Processos de Engenharia
Especialidade: Qualidade de Código, Gestão de Dívida Técnica, Engenharia de Software
Visão Geral
A dívida técnica é um dos desafios mais insidiosos no desenvolvimento de software - ela se acumula ao longo do tempo, reduzindo a velocidade de desenvolvimento, aumentando os custos de manutenção e diminuindo a qualidade do código. Esta habilidade fornece um framework abrangente para identificar, analisar, priorizar e rastrear a dívida técnica em bases de código.
A dívida técnica não se resume apenas a código desorganizado - ela abrange atalhos arquiteturais, testes ausentes, dependências desatualizadas, lacunas na documentação e compromissos na infraestrutura. Como a dívida financeira, ela gera "juros" através do aumento do tempo de desenvolvimento, maiores taxas de bugs e redução da velocidade da equipe.
O que Esta Habilidade Oferece
Esta habilidade oferece três ferramentas interconectadas que formam um sistema completo de gestão de dívida técnica:
- Scanner de Dívida - Identifica automaticamente sinais de dívida técnica na sua base de código
- Priorizador de Dívida - Analisa e prioriza itens de dívida usando frameworks de custo de atraso
- Painel de Dívida - Rastreia tendências de dívida ao longo do tempo e fornece relatórios executivos
Juntas, essas ferramentas permitem que equipes de engenharia tomem decisões baseadas em dados sobre a dívida técnica, equilibrando o desenvolvimento de novos recursos com o trabalho de manutenção.
Início Rápido — escanear → priorizar → painel
Todos os caminhos são relativos a esta pasta de habilidade. A saída JSON do scanner alimenta diretamente o priorizador; instantâneos de inventário datados alimentam o painel.
1. Escanear a base de código
python3 scripts/debt_scanner.py /caminho/para/base-de-codigo --formato json --output debt_inventory.json
Gera debt_inventory.json com scan_metadata, summary, debt_items[], file_statistics e recommendations. Relate as contagens de summary ao usuário. (Execução seca: assets/sample_codebase.)
2. Priorizar o backlog
python3 scripts/debt_prioritizer.py debt_inventory.json --framework wsjf --team-size 6 --sprint-capacity 20 --formato json --output debt_priorities.json
Frameworks: cost_of_delay (padrão), wsjf, rice. A saída contém prioritized_backlog (trabalho de cima para baixo), sprint_allocation (colar no planejamento do sprint) e insights.
3. Rastrear tendências ao longo do tempo
Mantenha instantâneos datados (debt_YYYY-MM-DD.json), em seguida:
python3 scripts/debt_dashboard.py --input-dir snapshots/ --period monthly --formato both --output debt_dashboard
Ou passe arquivos explicitamente (amostras: assets/historical_debt_2024-01-15.json assets/historical_debt_2024-02-01.json). O painel relata a direção da tendência e resumos prontos para executivos - use-o para verificar se um sprint de limpeza realmente reduziu a dívida.
Ciclo de verificação
Após um sprint de remediação: reexecute o passo 1, reexecute o passo 3 com o novo instantâneo e afirme que as contagens das categorias visadas diminuíram. Uma limpeza que não move o painel é retrabalho, não quitação de dívida.
Framework de Classificação de Dívida Técnica
→ Consulte references/debt-frameworks.md para detalhes (também: references/debt-classification-taxonomy.md, references/prioritization-framework.md, references/stakeholder-communication-templates.md)
Armadilhas Comuns e Como Evitá-las
1. Paralisia por Análise
Problema: Gastar muito tempo analisando a dívida em vez de corrigi-la. Solução: Definir limites de tempo para análise, usar pontuações "suficientemente boas" para a maioria dos itens.
2. Perfeccionismo
Problema: Tentar eliminar toda a dívida em vez de gerenciá-la. Solução: Focar na dívida de alto impacto, aceitar que alguma dívida é aceitável.
3. Ignorar o Contexto de Negócio
Problema: Priorizar a elegância técnica em vez do valor de negócio. Solução: Sempre vincular o trabalho de dívida a resultados de negócio e impacto ao cliente.
4. Aplicação Inconsistente
Problema: Algumas equipes adotam práticas enquanto outras as ignoram. Solução: Tornar o rastreamento de dívida parte do fluxo de trabalho padrão de desenvolvimento.
5. Superengenharia de Ferramentas
Problema: Construir sistemas complexos de gestão de dívida que ninguém usa. Solução: Começar simples, iterar com base em padrões de uso reais.
A gestão de dívida técnica não se trata apenas de escrever código melhor - trata-se de criar práticas de desenvolvimento sustentáveis que equilibrem a pressão de entrega de curto prazo com a saúde do sistema a longo prazo. Use essas ferramentas e frameworks para tomar decisões informadas sobre quando e como investir na redução da dívida.
---
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 os arquivos
0 arquivosInstalar tech-debt-tracker
Baixe e extraia os arquivos de habilidade para o diretório .claude/skills/.
Baixar ZIPClone o repositório e copie os arquivos da habilidade para o seu projeto.
git clone https://github.com/alirezarezvani/claude-skills/tree/main/engineering/skills/tech-debt-tracker # Copy SKILL.md to your .claude/skills/ directory
Copiar
