50
总用户数
48
活跃用户
406
总会话数
51,271
总消息数
🏗️ 项目分析
总计分析了 65 个项目，整体开发效率评分为 23172.1。
🎯 复杂度分布统计:
- 🟢 简单: 7 个项目 (10.8%)
- 🟡 中等: 47 个项目 (72.3%)
- 🟠 复杂: 11 个项目 (16.9%)
- 🔴 极复杂: 0 个项目 (0.0%)
项目复杂度分布
📈 活动评分说明
计算方式：采用相对评分系统，以最活跃项目为100分基准
- 综合活动指标 = 消息数(40%) + 会话数(30%) + Token数标准化(30%)
- 相对评分 = (当前项目指标 / 最高项目指标) × 100
- 优势：消除虚假满分，真实反映项目间活跃度差异
🧮 复杂度评分说明
算法基础：基于软件工程Cyclomatic Complexity和Halstead Complexity理论
- 四维度加权：交互复杂度(35%) + 技术复杂度(30%) + 协作复杂度(25%) + 时间复杂度(10%)
- 交互复杂度：消息密度、Token效率、对话轮次
- 技术复杂度：工具使用、缓存利用、模型负载
- 协作复杂度：会话持续性、成本效率、用户参与度
- 时间复杂度：项目持续性、会话频率
📈 效率分析
💡 改进建议
- 有17个项目的会话效率较低，需要关注
🎯 提示词复盘
效果评估标准
响应效率
Claude生成内容的丰富度和有用性，基于输出token数量
权重: 30.0%工具调用效果
是否有效调用了工具，工具调用的种类和数量
权重: 25.0%实际产出
是否产生了具体的工作成果，如文件操作、代码生成等
权重: 25.0%会话延续性
该提示词是否促进了有效的后续交互
权重: 20.0%📊 使用模式分析
0.0%
工具使用率
0.0
平均Token效率
🏆 最有效提示词模式
通用查询#1
31.8分
示例: 查看监控数据模块，现在有多少分钟的数据了think
有效原因: 得分31.8, 主要优势: response_efficiency(80.0分)
使用频率: 58.8%
通用查询#2
28.0分
示例: 修复并预防未来再次发生
有效原因: 得分28.0, 主要优势: response_efficiency(80.0分)
使用频率: 58.8%
通用查询#3
28.0分
示例: 每日费用计算明显错了，请进行RCA，必要时用使用五个为什么进行追问，ultrathink
有效原因: 得分28.0, 主要优势: response_efficiency(80.0分)
使用频率: 58.8%
通用查询#4
25.8分
示例: init is analyzing your codebase…
/init
有效原因: 得分25.8, 主要优势: response_efficiency(60.0分)
使用频率: 58.8%
调试求助#5
25.8分
示例: Please analyze this codebase and create a CLAUDE.md file, which will be given to future instances of...
有效原因: 得分25.8, 主要优势: response_efficiency(60.0分)
使用频率: 11.8%
分析查询#6
16.0分
示例: 分析代码，告诉我哪一块是关闭实例/重启实例，或者有任何对linode资源进行删除/修改操作的功能和代码为止,ultrathink
有效原因: 得分16.0, 主要优势: response_efficiency(40.0分)
使用频率: 11.8%
通用查询#7
16.0分
示例: 把所有以上相关功能的代码全都删除，并删除相关UI，ultrathink
有效原因: 得分16.0, 主要优势: response_efficiency(40.0分)
使用频率: 58.8%
调试求助#8
16.0分
示例: 现在屏幕显示的费用预估明显错误，g6-standard-4 - $48/月，才10号已经预估实际费用为121。4了！请进行RCA，ultrathink
有效原因: 得分16.0, 主要优势: response_efficiency(40.0分)
使用频率: 11.8%
代码生成请求#9
16.0分
示例: This session is being continued from a previous conversation that ran out of context. The conversati...
有效原因: 得分16.0, 主要优势: response_efficiency(40.0分)
使用频率: 5.9%
通用查询#10
15.2分
示例: 检查项目为什么停了，用五个为什么逐级追问做rca
有效原因: 得分15.2, 主要优势: response_efficiency(25.0分)
使用频率: 58.8%
⚠️ 最无效提示词模式
任务执行#1
13.8分
示例: 项目还是没有启动502 Bad Gateway
nginx/1.18.0 (Ubuntu)
无效原因: 得分13.8, 主要问题: tool_usage(0.0分)
改进建议: 使用更具体的动作词汇，明确期望的工具和操作类型
使用频率: 11.8%
通用查询#2
13.8分
示例: 不行啊还是bad gateway
无效原因: 得分13.8, 主要问题: tool_usage(0.0分)
改进建议: 使用更具体的动作词汇，明确期望的工具和操作类型
使用频率: 58.8%
任务执行#3
4.0分
示例: Caveat: The messages below were generated by the user while running local commands. DO NOT respond t...
无效原因: 得分4.0, 主要问题: response_efficiency(0.0分)
改进建议: 使用更具体的动作词汇，明确期望的工具和操作类型
使用频率: 11.8%
通用查询#4
4.0分
示例: /clear
clear
无效原因: 得分4.0, 主要问题: response_efficiency(0.0分)
改进建议: 使用更具体的动作词汇，明确期望的工具和操作类型
使用频率: 58.8%
通用查询#5
4.0分
示例:
无效原因: 得分4.0, 主要问题: response_efficiency(0.0分)
改进建议: 使用更具体的动作词汇，明确期望的工具和操作类型
使用频率: 58.8%
💡 改进建议
增加具体的编程和文件操作请求，提高工具使用效率
使用更具体和详细的问题描述，获得更有价值的回复
结合项目背景提出问题，让AI更好理解需求上下文
🔍 有趣的发现
⏰ 时间使用模式
用户主要在 14:00-16:00 时段使用Claude Code，平均会话时长为 36.2 分钟。
🔧 工具使用习惯
最常用的工具组合效率评分显示，综合使用多种工具的用户开发效率更高。 平均工具效率排名中，文件操作类工具表现最佳。
👥 用户行为分割
高效用户
高效率用户 (高Token产出比)
学习用户
学习型用户 (多问题少实现)
📈 生产力指标
高生产力用户的共同特征：频繁使用工具、会话时长适中、任务导向明确。 平均生产力评分为 75.0 分。
工具关联性分析
🧠 行为洞察
数据分析显示，用户的交互模式呈现出明显的任务导向特征。 指令类消息占比 50.0%， 问题类消息占比 30.0%， 讨论类消息占比 20.0%。
这种分布表明用户主要将Claude Code用于具体的开发任务，而非一般性咨询， 体现了工具的专业定位和用户的明确需求。