Task Master 复杂度分析报告查看指南complexity-report 命令的用法、报告结构与源码实现解析【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master导读complexity-report是 Task Master 中用于展示任务复杂度分析结果的命令它负责把analyze-complexity命令生成的复杂度分析报告以可读、可交互、可导出的形式呈现出来为冲刺规划、资源分配与风险评估提供决策依据。本文以 complexity-report.md 为骨架结合 CLI、MCP 与底层核心模块源码系统讲解该命令的调用方式、报告位置解析、报告内容结构执行摘要、任务明细、风险矩阵、行动建议以及它与expand、expand-all等命令的联动帮助你从生成报告到用报告驱动任务拆解形成完整闭环。一、命令概览从分析到展示的完整链路complexity-report本身不执行分析它只负责读取并展示已生成的复杂度分析报告。报告由analyze-complexity命令先行产出详见 analyze-complexity.md其核心流程是analyze-complexity读取任务文件默认tasks/tasks.json过滤出 active 状态任务pending、blocked、in-progress交给 AI 逐项评估复杂度AI 依据结构化 schema 返回每个任务的复杂度评分与拆解建议分析结果写入复杂度报告文件complexity-report读取该文件并以文本形式渲染。该命令在 CLI 中由 scripts/modules/task-manager/analyze-task-complexity.js 生成报告后在终端输出 Suggested Next Steps 提示其中第一步就是task-master complexity-report来复核详细发现。在 MCP 环境中则通过complexity_report工具暴露注册逻辑见 mcp-server/src/tools/complexity-report.js。二、命令语法与执行参数task-master complexity-report [--filepath]不带任何参数查看当前项目最新一次复杂度分析报告--filepath指定报告文件路径用于查看历史报告或自定义位置的报告。CLI 中对应的命令选项定义于 apps/cli/src/commands 目录下的相关命令实现底层读取逻辑复用 scripts/modules/utils.js 中的readComplexityReport。在 MCP 场景下工具参数结构为{ file: string; // 可选报告文件路径默认使用 COMPLEXITY_REPORT_FILE projectRoot: string; // 必填项目根目录的绝对路径 }MCP 工具在读取报告前会先调用findComplexityReportPath解析出最终报告路径若解析不到报告会返回明确错误提示No complexity report found. Run task-master analyze-complexity first.引导你先执行分析命令见 mcp-server/src/tools/complexity-report.js。三、报告位置解析默认路径、自定义路径与回退机制3.1 默认位置场景路径新版本默认.taskmaster/reports/task-complexity-report.json旧版本legacyscripts/task-complexity-report.json默认路径由 src/constants/paths.js 中的COMPLEXITY_REPORT_FILE与LEGACY_COMPLEXITY_REPORT_FILE常量定义。readComplexityReport在未指定自定义路径时会先尝试新位置不存在则回退到 legacy 位置见 scripts/modules/utils.js。注意原文档示例展示的报告展示文件名是.taskmaster/reports/complexity-analysis.md而当前仓库实际落地的是同目录下的task-complexity-report.jsonJSON 格式。文章后续会说明两者关系——JSON 是机器可读的原始数据CLI 展示层负责把它渲染成人可读的文本报告。3.2 自定义路径task-master complexity-report --filearchived/2024-01-01.md用于查看历史归档的分析。路径解析遵循以下规则见 mcp-server/src/core/utils/path-utils.js若--file为绝对路径直接使用若为相对路径且提供了projectRoot则相对项目根目录解析若未提供自定义路径则按新位置 → legacy 位置的顺序查找。3.3 与 Tag 的联动在支持多 Tag 的项目中报告路径的解析还会带上当前 Tag 上下文getCurrentTag(args.projectRoot)获取当前 Tag确保查看的是当前工作 Tag 下的复杂度报告而不是其他分支 Tag 的数据。四、报告内容结构四大部分详解complexity-report渲染的报告包含四个核心部分下面结合原文档与源码实现逐一说明。4.1 执行摘要Executive Summary报告开头汇总整体分析结果示例如下Complexity Analysis Summary ━━━━━━━━━━━━━━━━━━━━━━━━ Analysis Date: 2024-01-15 Tasks Analyzed: 32 High Complexity: 5 (16%) Medium Complexity: 12 (37%) Low Complexity: 15 (47%) Critical Findings: - 5 tasks need immediate expansion - 3 tasks have high technical risk - 2 tasks block critical path其中高/中/低复杂度的划分逻辑可以在 analyze-task-complexity.js 中看到它是 CLI 展示层对单次分析结果的统计const highComplexity complexityAnalysis.filter( (t) t.complexityScore 8 ).length; const mediumComplexity complexityAnalysis.filter( (t) t.complexityScore 5 t.complexityScore 8 ).length; const lowComplexity complexityAnalysis.filter( (t) t.complexityScore 5 ).length;即评分 ≥ 8 为高复杂度5 ≤ 评分 8 为中复杂度 5 为低复杂度。CLI 终端还会输出 Sum verification 校验三段数量之和是否等于分析总数用于发现 AI 返回数据是否缺漏。4.2 任务明细分析Detailed Task Analysis针对每个复杂任务报告会给出复杂度评分拆解分数背后的各项因素贡献因素如 WebSocket 复杂度、状态管理、冲突解决等识别的具体风险如性能、数据一致性、数据丢失、停机时间拆解建议推荐拆分为多少个子任务相似已完成任务与历史任务对比辅助估算。4.3 风险矩阵Risk Matrix以可视化形式展示风险等级与复杂度等级的交叉关系Risk vs Complexity Matrix ━━━━━━━━━━━━━━━━━━━━━━━ High Risk | #5(9) #12(8) | #23(6) Med Risk | #34(7) | #45(5) #67(5) Low Risk | #78(8) | [15 tasks] | High Complex | Med Complex括号内数字为任务编号左与复杂度评分右这种矩阵布局方便你在规划时一眼识别高复杂度 高风险的组合优先处理。4.4 行动建议RecommendationsImmediate Actions立即行动Expand task #5 - Critical path high complexity关键路径 高复杂度优先拆解Expand task #12 - High risk dependencies高风险 依赖项多Review task #34 - Consider splitting建议拆分Sprint Planning冲刺规划不要在同一冲刺内安排多个高复杂度任务确保复杂任务有对应领域专家参与为未知因素预留缓冲时间。五、报告底层的结构化数据格式CLI 展示层之外报告在磁盘上是严格的 JSON 结构。analyze-complexity产出的报告形如{ meta: { generatedAt: 2024-01-15T08:30:00.000Z, tasksAnalyzed: 32, totalTasks: 38, analysisCount: 32, thresholdScore: 5, projectName: my-project, usedResearch: false }, complexityAnalysis: [ { taskId: 5, taskTitle: Implement real-time sync, complexityScore: 9, recommendedSubtasks: 6, expansionPrompt: Break down this task into ..., reasoning: WebSocket complexity, state management, conflict resolution } ] }字段的合法范围由 src/schemas/analyze-complexity.js 中的 Zod schema 严格约束taskId正整数complexityScore1–10 的整数z.number().min(1).max(10)recommendedSubtasks非负整数expansionPrompt/reasoning字符串且 schema 为.strict()模式不允许多余字段混入。AI 响应缺项时源码会自动补齐默认分析complexityScore: 5、recommendedSubtasks: 3保证报告数据结构完整见 analyze-task-complexity.js。重复运行analyze-complexity时新分析会与既有报告中属于当前 Tag 的任务条目合并避免覆盖历史结论见 analyze-task-complexity.js。在 MCP 直连场景下报告读取走 complexityReportDirect它会开启静默模式避免控制台日志污染 JSON 输出并对报告路径做缓存键complexityReport:${reportPath}返回{ success, data: { report, reportPath } }结构。六、查看报告时的交互特性6.1 快捷操作Quick Actions在查看报告时可直接触发按e展开某个任务等价于调用 expand 命令拆解该任务按d查看任务详情按r刷新分析重新读取最新报告。6.2 过滤Filtering按复杂度等级筛选高/中/低按风险因素过滤只显示可执行项actionable items。6.3 导出选项Export OptionsMarkdown便于放入文档与评审材料CSV用于电子表格二次分析JSON供其他工具程序化消费报告源文件本身就是 JSON。七、报告智能历史对比与趋势分析complexity-report不只是展示单次快照还具备以下分析能力与历史数据对比查看多轮分析之间的变化判断复杂度是否收敛复杂度趋势展示跟踪任务集合整体复杂度随迭代的走势模式识别发现反复出现的高风险任务类型流程改进建议基于分析结果提出流程层面的优化方向。这些能力的实现基础是报告文件的增量合并机制每次analyze-complexity运行都会保留当前 Tag 下未被本轮覆盖的历史条目见 analyze-task-complexity.js从而让同一报告文件天然积累多轮数据为趋势与模式分析提供素材。八、集成场景报告如何驱动团队决策报告的主要消费场景Sprint planning sessions冲刺规划依据高/中/低复杂度分布合理排期Resource allocation资源分配高复杂度任务匹配资深人力Risk assessment风险评估风险矩阵直接暴露高危组合Team discussions团队讨论作为任务拆解的共识基础Client updates客户汇报用执行摘要展示进度与风险。九、典型用法示例与后续动作/taskmaster:complexity-report → Opens latest analysis打开最近一次分析 /taskmaster:complexity-report --filearchived/2024-01-01.md → View historical analysis查看历史归档分析 After viewing: /taskmaster:expand 5 → Expand high-complexity task拆解高复杂度任务 #5完整的闭环链路为/taskmaster:analyze-complexity # 1. 生成/更新复杂度报告 /taskmaster:complexity-report # 2. 查看报告、识别高危任务 /taskmaster:expand 5 # 3. 拆解指定高复杂度任务 /taskmaster:expand-all # 4. 按推荐批量拆解所有应展开任务其中expand/expand-all的拆解建议正是来源于报告中每个任务的recommendedSubtasks与expansionPrompt字段。分析命令结束后CLI 会在终端用边框提示这三步后续动作见 analyze-task-complexity.js确保分析 → 查看 → 拆解工作流无断点。十、相关资源命令文档packages/claude-code-plugin/commands/complexity-report.md、packages/claude-code-plugin/commands/analyze-complexity.md报告路径常量src/constants/paths.js分析实现scripts/modules/task-manager/analyze-task-complexity.js报告读取工具scripts/modules/utils.js结构化 Schemasrc/schemas/analyze-complexity.jsMCP 工具层mcp-server/src/tools/complexity-report.js、mcp-server/src/core/direct-functions/complexity-report.js、mcp-server/src/core/utils/path-utils.js插件命令总览packages/claude-code-plugin/commands/command-pipeline.md【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Task Master 复杂度分析报告查看指南：complexity-report 命令的用法、报告结构与源码实现解析
Task Master 复杂度分析报告查看指南complexity-report 命令的用法、报告结构与源码实现解析【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master导读complexity-report是 Task Master 中用于展示任务复杂度分析结果的命令它负责把analyze-complexity命令生成的复杂度分析报告以可读、可交互、可导出的形式呈现出来为冲刺规划、资源分配与风险评估提供决策依据。本文以 complexity-report.md 为骨架结合 CLI、MCP 与底层核心模块源码系统讲解该命令的调用方式、报告位置解析、报告内容结构执行摘要、任务明细、风险矩阵、行动建议以及它与expand、expand-all等命令的联动帮助你从生成报告到用报告驱动任务拆解形成完整闭环。一、命令概览从分析到展示的完整链路complexity-report本身不执行分析它只负责读取并展示已生成的复杂度分析报告。报告由analyze-complexity命令先行产出详见 analyze-complexity.md其核心流程是analyze-complexity读取任务文件默认tasks/tasks.json过滤出 active 状态任务pending、blocked、in-progress交给 AI 逐项评估复杂度AI 依据结构化 schema 返回每个任务的复杂度评分与拆解建议分析结果写入复杂度报告文件complexity-report读取该文件并以文本形式渲染。该命令在 CLI 中由 scripts/modules/task-manager/analyze-task-complexity.js 生成报告后在终端输出 Suggested Next Steps 提示其中第一步就是task-master complexity-report来复核详细发现。在 MCP 环境中则通过complexity_report工具暴露注册逻辑见 mcp-server/src/tools/complexity-report.js。二、命令语法与执行参数task-master complexity-report [--filepath]不带任何参数查看当前项目最新一次复杂度分析报告--filepath指定报告文件路径用于查看历史报告或自定义位置的报告。CLI 中对应的命令选项定义于 apps/cli/src/commands 目录下的相关命令实现底层读取逻辑复用 scripts/modules/utils.js 中的readComplexityReport。在 MCP 场景下工具参数结构为{ file: string; // 可选报告文件路径默认使用 COMPLEXITY_REPORT_FILE projectRoot: string; // 必填项目根目录的绝对路径 }MCP 工具在读取报告前会先调用findComplexityReportPath解析出最终报告路径若解析不到报告会返回明确错误提示No complexity report found. Run task-master analyze-complexity first.引导你先执行分析命令见 mcp-server/src/tools/complexity-report.js。三、报告位置解析默认路径、自定义路径与回退机制3.1 默认位置场景路径新版本默认.taskmaster/reports/task-complexity-report.json旧版本legacyscripts/task-complexity-report.json默认路径由 src/constants/paths.js 中的COMPLEXITY_REPORT_FILE与LEGACY_COMPLEXITY_REPORT_FILE常量定义。readComplexityReport在未指定自定义路径时会先尝试新位置不存在则回退到 legacy 位置见 scripts/modules/utils.js。注意原文档示例展示的报告展示文件名是.taskmaster/reports/complexity-analysis.md而当前仓库实际落地的是同目录下的task-complexity-report.jsonJSON 格式。文章后续会说明两者关系——JSON 是机器可读的原始数据CLI 展示层负责把它渲染成人可读的文本报告。3.2 自定义路径task-master complexity-report --filearchived/2024-01-01.md用于查看历史归档的分析。路径解析遵循以下规则见 mcp-server/src/core/utils/path-utils.js若--file为绝对路径直接使用若为相对路径且提供了projectRoot则相对项目根目录解析若未提供自定义路径则按新位置 → legacy 位置的顺序查找。3.3 与 Tag 的联动在支持多 Tag 的项目中报告路径的解析还会带上当前 Tag 上下文getCurrentTag(args.projectRoot)获取当前 Tag确保查看的是当前工作 Tag 下的复杂度报告而不是其他分支 Tag 的数据。四、报告内容结构四大部分详解complexity-report渲染的报告包含四个核心部分下面结合原文档与源码实现逐一说明。4.1 执行摘要Executive Summary报告开头汇总整体分析结果示例如下Complexity Analysis Summary ━━━━━━━━━━━━━━━━━━━━━━━━ Analysis Date: 2024-01-15 Tasks Analyzed: 32 High Complexity: 5 (16%) Medium Complexity: 12 (37%) Low Complexity: 15 (47%) Critical Findings: - 5 tasks need immediate expansion - 3 tasks have high technical risk - 2 tasks block critical path其中高/中/低复杂度的划分逻辑可以在 analyze-task-complexity.js 中看到它是 CLI 展示层对单次分析结果的统计const highComplexity complexityAnalysis.filter( (t) t.complexityScore 8 ).length; const mediumComplexity complexityAnalysis.filter( (t) t.complexityScore 5 t.complexityScore 8 ).length; const lowComplexity complexityAnalysis.filter( (t) t.complexityScore 5 ).length;即评分 ≥ 8 为高复杂度5 ≤ 评分 8 为中复杂度 5 为低复杂度。CLI 终端还会输出 Sum verification 校验三段数量之和是否等于分析总数用于发现 AI 返回数据是否缺漏。4.2 任务明细分析Detailed Task Analysis针对每个复杂任务报告会给出复杂度评分拆解分数背后的各项因素贡献因素如 WebSocket 复杂度、状态管理、冲突解决等识别的具体风险如性能、数据一致性、数据丢失、停机时间拆解建议推荐拆分为多少个子任务相似已完成任务与历史任务对比辅助估算。4.3 风险矩阵Risk Matrix以可视化形式展示风险等级与复杂度等级的交叉关系Risk vs Complexity Matrix ━━━━━━━━━━━━━━━━━━━━━━━ High Risk | #5(9) #12(8) | #23(6) Med Risk | #34(7) | #45(5) #67(5) Low Risk | #78(8) | [15 tasks] | High Complex | Med Complex括号内数字为任务编号左与复杂度评分右这种矩阵布局方便你在规划时一眼识别高复杂度 高风险的组合优先处理。4.4 行动建议RecommendationsImmediate Actions立即行动Expand task #5 - Critical path high complexity关键路径 高复杂度优先拆解Expand task #12 - High risk dependencies高风险 依赖项多Review task #34 - Consider splitting建议拆分Sprint Planning冲刺规划不要在同一冲刺内安排多个高复杂度任务确保复杂任务有对应领域专家参与为未知因素预留缓冲时间。五、报告底层的结构化数据格式CLI 展示层之外报告在磁盘上是严格的 JSON 结构。analyze-complexity产出的报告形如{ meta: { generatedAt: 2024-01-15T08:30:00.000Z, tasksAnalyzed: 32, totalTasks: 38, analysisCount: 32, thresholdScore: 5, projectName: my-project, usedResearch: false }, complexityAnalysis: [ { taskId: 5, taskTitle: Implement real-time sync, complexityScore: 9, recommendedSubtasks: 6, expansionPrompt: Break down this task into ..., reasoning: WebSocket complexity, state management, conflict resolution } ] }字段的合法范围由 src/schemas/analyze-complexity.js 中的 Zod schema 严格约束taskId正整数complexityScore1–10 的整数z.number().min(1).max(10)recommendedSubtasks非负整数expansionPrompt/reasoning字符串且 schema 为.strict()模式不允许多余字段混入。AI 响应缺项时源码会自动补齐默认分析complexityScore: 5、recommendedSubtasks: 3保证报告数据结构完整见 analyze-task-complexity.js。重复运行analyze-complexity时新分析会与既有报告中属于当前 Tag 的任务条目合并避免覆盖历史结论见 analyze-task-complexity.js。在 MCP 直连场景下报告读取走 complexityReportDirect它会开启静默模式避免控制台日志污染 JSON 输出并对报告路径做缓存键complexityReport:${reportPath}返回{ success, data: { report, reportPath } }结构。六、查看报告时的交互特性6.1 快捷操作Quick Actions在查看报告时可直接触发按e展开某个任务等价于调用 expand 命令拆解该任务按d查看任务详情按r刷新分析重新读取最新报告。6.2 过滤Filtering按复杂度等级筛选高/中/低按风险因素过滤只显示可执行项actionable items。6.3 导出选项Export OptionsMarkdown便于放入文档与评审材料CSV用于电子表格二次分析JSON供其他工具程序化消费报告源文件本身就是 JSON。七、报告智能历史对比与趋势分析complexity-report不只是展示单次快照还具备以下分析能力与历史数据对比查看多轮分析之间的变化判断复杂度是否收敛复杂度趋势展示跟踪任务集合整体复杂度随迭代的走势模式识别发现反复出现的高风险任务类型流程改进建议基于分析结果提出流程层面的优化方向。这些能力的实现基础是报告文件的增量合并机制每次analyze-complexity运行都会保留当前 Tag 下未被本轮覆盖的历史条目见 analyze-task-complexity.js从而让同一报告文件天然积累多轮数据为趋势与模式分析提供素材。八、集成场景报告如何驱动团队决策报告的主要消费场景Sprint planning sessions冲刺规划依据高/中/低复杂度分布合理排期Resource allocation资源分配高复杂度任务匹配资深人力Risk assessment风险评估风险矩阵直接暴露高危组合Team discussions团队讨论作为任务拆解的共识基础Client updates客户汇报用执行摘要展示进度与风险。九、典型用法示例与后续动作/taskmaster:complexity-report → Opens latest analysis打开最近一次分析 /taskmaster:complexity-report --filearchived/2024-01-01.md → View historical analysis查看历史归档分析 After viewing: /taskmaster:expand 5 → Expand high-complexity task拆解高复杂度任务 #5完整的闭环链路为/taskmaster:analyze-complexity # 1. 生成/更新复杂度报告 /taskmaster:complexity-report # 2. 查看报告、识别高危任务 /taskmaster:expand 5 # 3. 拆解指定高复杂度任务 /taskmaster:expand-all # 4. 按推荐批量拆解所有应展开任务其中expand/expand-all的拆解建议正是来源于报告中每个任务的recommendedSubtasks与expansionPrompt字段。分析命令结束后CLI 会在终端用边框提示这三步后续动作见 analyze-task-complexity.js确保分析 → 查看 → 拆解工作流无断点。十、相关资源命令文档packages/claude-code-plugin/commands/complexity-report.md、packages/claude-code-plugin/commands/analyze-complexity.md报告路径常量src/constants/paths.js分析实现scripts/modules/task-manager/analyze-task-complexity.js报告读取工具scripts/modules/utils.js结构化 Schemasrc/schemas/analyze-complexity.jsMCP 工具层mcp-server/src/tools/complexity-report.js、mcp-server/src/core/direct-functions/complexity-report.js、mcp-server/src/core/utils/path-utils.js插件命令总览packages/claude-code-plugin/commands/command-pipeline.md【免费下载链接】claude-task-masterAn AI-powered task-management system you can drop into Cursor, Lovable, Windsurf, Roo, and others.项目地址: https://gitcode.com/GitHub_Trending/cl/claude-task-master创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考