LLM 上下文
专门给 AI / LLM 当上下文用的格式。紧凑的 markdown，没 JSON 包装，不带元数据噪音——直接复制粘进 Claude / ChatGPT / Cursor 等就能让 AI 帮分析、解释、提修复方案。
样例输出
# Code Smell Analysis
## Issue 1
- **Smell**: lazy_class
- **Category**: Dispensables
- **Severity**: Hint
- **Location**: cha-core/src/cache.rs:8:7-8:16 (`FileEntry`)
- **Problem**: Class `FileEntry` has only 0 method(s) and 8 lines, consider Inline Class
- **Suggested refactorings**:
- Inline Class
## Issue 2
- **Smell**: lazy_class
- **Category**: Dispensables
…
适用场景
- Code review 时让 AI 给修复建议：
cha analyze foo.rs --format llm | pbcopy，粘进 Claude 让它一条条改 - 批量重构计划：把整个文件 / 模块的 finding 喂给 AI，让它估算重构工作量
- 学习模式：AI 接手解释每条 smell 为什么是问题、Refactoring Guru 上的对应章节
- 塞进 prompt context：MCP 工具或自动化 agent 把 finding 当输入
跟 JSON 的区别
| 维度 | --format json | --format llm |
|---|---|---|
| 体积 | 较大（JSON 字段名 + 嵌套） | 紧凑（每个 issue ~6 行） |
| 机器友好 | ✅ | ❌（结构化提取困难） |
| LLM 友好 | 凑合（要让 AI 解析 JSON） | ✅（markdown 是 LLM 母语） |
| 适合 jq | ✅ | ❌ |
要给 AI 看 → llm。要给脚本看 → json。
备注
- 输出是英文的——LLM 现阶段对英文表述的 smell 名字识别更准。如果要中文 prompt，自己包一层告诉 AI "这是英文报告，请用中文回复"
- 没有 schema——这是设计如此，给 LLM 看不需要 schema