Refactor logo

Refactor

CommunityPopular
luongnv89
refactor

Систематичний рефакторинг коду на основі методології Мартіна Фаулера. Використовуйте, коли користувачі просять рефакторити код, покращити структуру коду, зменшити технічний борг, очистити застарілий код, усунути запахи коду (code smells) або покращити супровідність коду. Ця навичка проводить через поетапний підхід з дослідженням, плануванням та безпечною інкрементальною реалізацією.

Overview

Publisherluongnv89
Repositoryclaude-howto
Skill namerefactor
Stars
41.5K
Forks
5.1K
Bundled files
5
LicenseMIT
Links
  • Markdown instructions

    A SKILL.md file the model loads on demand, so it only costs tokens when a request actually matches.

  • Works with any LLM

    AI skills are plain Markdown, not provider-specific code, so this works with GPT, Claude, Gemini, Grok, or a local model.

  • 5 bundled files

    Scripts, templates, and references the model can read while it works. Files are read-only and never executed.

  • Open source

    Published by luongnv89 on GitHub. Read the source before you install it.

Installation

Install the Refactor AI skill in TypingMind to use it with any LLM, or drop it into another agent that reads SKILL.md.

1

Install in TypingMind

TypingMind installs a skill straight from its GitHub folder — it reads SKILL.md, bundles the resource files, and stores the result locally.

  1. Open the app and go to Plugins → Skills.
  2. Choose "Install from GitHub".
  3. Paste the skill folder URL below and confirm.
  4. Enable the skill in any chat where you want it available.
Plugins → Skills → Add skill → From GitHub URL, then paste the folder URL and press Continue.
2

Install in another agent

Any agent that reads the Agent Skills format can use this skill — copy the folder into that agent's skills directory.

Claude Code — .claude/skills
git clone --depth 1 https://github.com/luongnv89/claude-howto.git /tmp/claude-howto
mkdir -p .claude/skills
cp -r /tmp/claude-howto/uk/03-skills/refactor .claude/skills/refactor
Restart Claude Code after copying so it picks up the new skill.

Use it in TypingMind

Enable Refactor in any TypingMind chat and the model takes it from there. Its name and description sit in the system prompt, and the moment a request matches, the model loads the full instructions itself — you never invoke it by hand, and it costs no tokens until it is actually used.

The model loads Refactor on its own as soon as a request matches it.

Works with any AI model

AI skills are plain Markdown instructions rather than provider-specific code, so Refactor is not tied to the model it was written for. Install it once in TypingMind and use it with GPT-5, Claude, Gemini, Grok, DeepSeek, Mistral, Llama, or a local model you run yourself — all on your own API keys.

  • Loaded only when it is needed

    The system prompt carries just the name and description. The instructions are fetched on the first matching request, so an idle skill costs nothing.

  • Switch models mid-chat

    Because the skill is instructions rather than code, changing model does not break it — the next model reads the same SKILL.md.

Skill instructions

This is the SKILL.md content the model loads. Read it before installing — a skill is instructions your model will follow.

Навичка рефакторингу коду

Систематичний підхід до рефакторингу коду на основі книги Мартіна Фаулера Refactoring: Improving the Design of Existing Code (2-ге видання). Ця навичка наголошує на безпечних, інкрементальних змінах, підкріплених тестами.

«Рефакторинг — це процес зміни програмної системи таким чином, що не змінює зовнішню поведінку коду, але покращує його внутрішню структуру.» — Мартін Фаулер

Основні принципи

  1. Збереження поведінки: Зовнішня поведінка повинна залишатися незмінною
  2. Малі кроки: Робити крихітні, тестовані зміни
  3. Тест-орієнтованість: Тести — це страхувальна сітка
  4. Безперервність: Рефакторинг — постійний процес, а не одноразова подія
  5. Співпраця: Затвердження користувача потрібне на кожній фазі

Огляд робочого процесу

Фаза 1: Дослідження та аналіз
Фаза 2: Оцінка покриття тестами
Фаза 3: Виявлення запахів коду
Фаза 4: Створення плану рефакторингу
Фаза 5: Інкрементальна реалізація
Фаза 6: Перегляд та ітерація

Фаза 1: Дослідження та аналіз

Цілі

  • Зрозуміти структуру та призначення кодової бази
  • Визначити обсяг рефакторингу
  • Зібрати контекст про бізнес-вимоги

Запитання до користувача

Перед початком уточніть:

  1. Обсяг: Які файли/модулі/функції потребують рефакторингу?
  2. Цілі: Які проблеми ви намагаєтесь вирішити? (читабельність, продуктивність, супровідність)
  3. Обмеження: Чи є зони, які НЕ слід змінювати?
  4. Тиск термінів: Чи блокує це іншу роботу?
  5. Стан тестів: Чи існують тести? Чи проходять вони?

Дії

  • Прочитати та зрозуміти цільовий код
  • Виявити залежності та інтеграції
  • Задокументувати поточну архітектуру
  • Зафіксувати існуючі маркери технічного боргу (TODOs, FIXMEs)

Вивід

Представити знахідки користувачу:

  • Резюме структури коду
  • Виявлені проблемні зони
  • Початкові рекомендації
  • Запросити затвердження для продовження

Фаза 2: Оцінка покриття тестами

Чому тести важливі

«Рефакторинг без тестів — як їзда без пасків безпеки.» — Мартін Фаулер

Тести — ключовий засіб безпечного рефакторингу. Без них ви ризикуєте внести помилки.

Кроки оцінки

  1. Перевірити наявні тести

    bash
    # Пошук файлів тестів
    find . -name "*test*" -o -name "*spec*" | head -20
  2. Запустити існуючі тести

    bash
    # JavaScript/TypeScript
    npm test
    
    # Python
    pytest -v
    
    # Java
    mvn test
  3. Перевірити покриття (якщо доступно)

    bash
    # JavaScript
    npm run test:coverage
    
    # Python
    pytest --cov=.

Точка рішення: Запитати користувача

Якщо тести існують та проходять:

  • Перейти до Фази 3

Якщо тести відсутні або неповні: Представити варіанти:

  1. Спочатку написати тести (рекомендовано)
  2. Додавати тести інкрементально під час рефакторингу
  3. Продовжити без тестів (ризиковано — потребує підтвердження користувача)

Якщо тести не проходять:

  • ЗУПИНИТИСЯ. Виправити тести перед рефакторингом
  • Запитати користувача: Чи слід спочатку виправити тести?

Рекомендації щодо написання тестів (якщо потрібно)

Для кожної функції, що рефакториться, забезпечити тести для:

  • Успішний шлях (нормальна робота)
  • Граничні випадки (порожні введення, null, межі)
  • Сценарії помилок (невалідні введення, виключення)

Використовуйте цикл «red-green-refactor»:

  1. Написати тест, що не проходить (red)
  2. Зробити так, щоб пройшов (green)
  3. Рефакторити

Фаза 3: Виявлення запахів коду

Що таке запахи коду?

Симптоми глибших проблем у коді. Це не помилки, а індикатори того, що код можна покращити.

Типові запахи коду для перевірки

Див. references/code-smells.md для повного каталогу.

Короткий довідник
ЗапахОзнакиВплив
Довгий методМетоди > 30-50 рядківВажко зрозуміти, тестувати, супроводжувати
Дубльований кодТа сама логіка в кількох місцяхВиправлення помилок потрібне в кількох місцях
Великий класКлас з занадто багатьма відповідальностямиПорушує принцип єдиної відповідальності
Заздрість до функційМетод використовує дані іншого класу більшеПогана інкапсуляція
Одержимість примітивамиНадмірне використання примітивів замість обʼєктівВідсутні доменні концепції
Довгий список параметрівМетоди з 4+ параметрамиСкладно викликати правильно
Групи данихТі самі елементи даних зʼявляються разомВідсутня абстракція
Оператори SwitchСкладні ланцюжки switch/if-elseВажко розширювати
Спекулятивна загальністьКод «на всякий випадок»Зайва складність
Мертвий кодНевикористаний кодПлутанина, тягар супровідності

Кроки аналізу

  1. Автоматичний аналіз (якщо скрипти доступні)

    bash
    python scripts/detect-smells.py <file>
  2. Ручний перегляд

    • Систематично пройти код
    • Зафіксувати кожен запах з розташуванням та серйозністю
    • Категоризувати за впливом (Критичний/Високий/Середній/Низький)
  3. Пріоритезація Зосередитися на запахах, які:

    • Блокують поточну розробку
    • Спричиняють помилки або плутанину
    • Впливають на найчастіше змінювані шляхи коду

Вивід: Звіт про запахи

Представити користувачу:

  • Список виявлених запахів з розташуванням
  • Оцінку серйозності для кожного
  • Рекомендований порядок пріоритету
  • Запросити затвердження пріоритетів

Фаза 4: Створення плану рефакторингу

Вибір рефакторингів

Для кожного запаху обрати відповідний рефакторинг з каталогу.

Див. references/refactoring-catalog.md для повного списку.

Відповідність запахів рефакторингам
Запах кодуРекомендований рефакторинг
Long MethodExtract Method, Replace Temp with Query
Duplicated CodeExtract Method, Pull Up Method, Form Template Method
Large ClassExtract Class, Extract Subclass
Feature EnvyMove Method, Move Field
Primitive ObsessionReplace Primitive with Object, Replace Type Code with Class
Long Parameter ListIntroduce Parameter Object, Preserve Whole Object
Data ClumpsExtract Class, Introduce Parameter Object
Switch StatementsReplace Conditional with Polymorphism
Speculative GeneralityCollapse Hierarchy, Inline Class, Remove Dead Code
Dead CodeRemove Dead Code

Структура плану

Використовуйте шаблон templates/refactoring-plan.md.

Для кожного рефакторингу:

  1. Ціль: Який код зміниться
  2. Запах: Яку проблему вирішує
  3. Рефакторинг: Яку техніку застосувати
  4. Кроки: Детальні мікрокроки
  5. Ризики: Що може піти не так
  6. Відкат: Як скасувати за потреби

Поетапний підхід

КРИТИЧНО: Впроваджуйте рефакторинг поступово, фазами.

Фаза A: Швидкі перемоги (Низький ризик, висока цінність)

  • Перейменування змінних для ясності
  • Витяг очевидного дубльованого коду
  • Видалення мертвого коду

Фаза B: Структурні покращення (Середній ризик)

  • Витяг методів з довгих функцій
  • Введення обʼєктів параметрів
  • Переміщення методів до відповідних класів

Фаза C: Архітектурні зміни (Вищий ризик)

  • Заміна умовних конструкцій поліморфізмом
  • Витяг класів
  • Введення патернів проєктування

Точка рішення: Представити план користувачу

Перед реалізацією:

  • Показати повний план рефакторингу
  • Пояснити кожну фазу та її ризики
  • Отримати явне затвердження для кожної фази
  • Запитати: «Чи продовжити з Фазою A?»

Фаза 5: Інкрементальна реалізація

Золоте правило

«Зміна → Тест → Зелений? → Коміт → Наступний крок»

Ритм реалізації

Для кожного кроку рефакторингу:

  1. Попередня перевірка

    • Тести проходять (зелені)
    • Код компілюється
  2. Зробити ОДНУ малу зміну

    • Дотримуватися механіки з каталогу
    • Тримати зміни мінімальними
  3. Верифікація

    • Негайно запустити тести
    • Перевірити на помилки компіляції
  4. Якщо тести проходять (зелені)

    • Закомітити з описовим повідомленням
    • Перейти до наступного кроку
  5. Якщо тести не проходять (червоні)

    • ЗУПИНИТИСЯ негайно
    • Скасувати зміну
    • Проаналізувати, що пішло не так
    • Запитати користувача, якщо незрозуміло

Стратегія комітів

Кожен коміт має бути:

  • Атомарний: Одна логічна зміна
  • Оборотний: Легко відкатити
  • Описовий: Зрозуміле повідомлення коміту

Приклади повідомлень комітів:

refactor: Extract calculateTotal() from processOrder()
refactor: Rename 'x' to 'customerCount' for clarity
refactor: Remove unused validateOldFormat() method

Звіт про прогрес

Після кожної підфази звітувати користувачу:

  • Внесені зміни
  • Тести досі проходять?
  • Виявлені проблеми
  • Запитати: «Продовжити з наступною порцією?»

Фаза 6: Перегляд та ітерація

Контрольний список після рефакторингу

  • Усі тести проходять
  • Немає нових попереджень/помилок
  • Код успішно компілюється
  • Поведінка не змінилася (ручна верифікація)
  • Документація оновлена за потреби
  • Історія комітів чиста

Порівняння метрик

Запустити аналіз складності до і після:

bash
python scripts/analyze-complexity.py <file>

Представити покращення:

  • Зміна кількості рядків коду
  • Зміна цикломатичної складності
  • Зміна індексу супровідності

Перегляд користувачем

Представити фінальні результати:

  • Резюме всіх змін
  • Порівняння коду до/після
  • Покращення метрик
  • Залишковий технічний борг
  • Запитати: «Чи задоволені ви цими змінами?»

Наступні кроки

Обговорити з користувачем:

  • Додаткові запахи для усунення?
  • Запланувати подальший рефакторинг?
  • Застосувати аналогічні зміни в інших місцях?

Важливі рекомендації

Коли ЗУПИНИТИСЯ та запитати

Завжди паузу та консультацію з користувачем, коли:

  • Невпевненість щодо бізнес-логіки
  • Зміна може вплинути на зовнішні API
  • Покриття тестами недостатнє
  • Потрібне значне архітектурне рішення
  • Рівень ризику зростає
  • Зустрічаєте неочікувану складність

Правила безпеки

  1. Ніколи не рефакторити без тестів (якщо користувач явно не підтвердив ризик)
  2. Ніколи не робити великих змін — розбивати на крихітні кроки
  3. Ніколи не пропускати запуск тестів після кожної зміни
  4. Ніколи не продовжувати, якщо тести не проходять — виправити або відкатити
  5. Ніколи не припускати — якщо сумніваєтесь, запитайте

Чого НЕ робити

  • Не поєднуйте рефакторинг з додаванням функцій
  • Не рефакторте під час аварій на продакшні
  • Не рефакторте код, який не розумієте
  • Не переускладнюйте — тримайте просто
  • Не рефакторте все одразу

Приклад швидкого старту

Сценарій: Довгий метод з дублюванням

До:

javascript
function processOrder(order) {
  // 150 рядків коду з:
  // - Дубльованою логікою валідації
  // - Інлайн-обчисленнями
  // - Змішаними відповідальностями
}

Кроки рефакторингу:

  1. Переконатися, що тести існують для processOrder()
  2. Витягти валідацію у validateOrder()
  3. Тест — має пройти
  4. Витягти обчислення у calculateOrderTotal()
  5. Тест — має пройти
  6. Витягти сповіщення у notifyCustomer()
  7. Тест — має пройти
  8. Перегляд — processOrder() тепер оркеструє 3 чіткі функції

Після:

javascript
function processOrder(order) {
  validateOrder(order);
  const total = calculateOrderTotal(order);
  notifyCustomer(order, total);
  return { order, total };
}

Довідники

Скрипти

  • scripts/analyze-complexity.py — аналіз метрик складності коду
  • scripts/detect-smells.py — автоматичне виявлення запахів

Історія версій

  • v1.0.0 (2025-01-15): Початковий випуск з методологією Фаулера, поетапним підходом, точками консультації з користувачем

Bundled files

The model reads these on demand while the skill is loaded. They are exposed as readable files and are never executed.

Frequently asked questions

What does the Refactor AI skill do?

Систематичний рефакторинг коду на основі методології Мартіна Фаулера. Використовуйте, коли користувачі просять рефакторити код, покращити структуру коду, зменшити технічний борг, очистити застарілий код, усунути запахи коду (code smells) або покращити супровідність коду. Ця навичка проводить через поетапний підхід з дослідженням, плануванням та безпечною інкрементальною реалізацією.

Why use Refactor on TypingMind?

Because you install it once and use it with any model. Refactor is plain Markdown rather than provider-specific code, so the same skill runs on GPT-5, Claude, Gemini, Grok, or a local model — and you can switch model mid-chat without it breaking. TypingMind runs on your own API keys, so you pay providers directly instead of a per-seat subscription, and your skills and chats stay in your own storage.

How do I install Refactor in TypingMind?

Open Plugins → Skills → Install from GitHub in TypingMind and paste https://github.com/luongnv89/claude-howto/tree/main/uk/03-skills/refactor. TypingMind reads its SKILL.md and bundles its files and installs it as a skill you can enable per chat.

Which AI models can use Refactor?

Any model you connect in TypingMind. AI skills are plain Markdown instructions rather than provider-specific code, so GPT, Claude, Gemini, Grok, and local models can all load this skill when a request matches it.

How many AI models can I use with Refactor?

As many as you like. As long as a model supports skills, you can use Refactor with it — GPT, Claude, Gemini, Grok, DeepSeek, Mistral, Llama and more — all on TypingMind with your own API keys.

Is the Refactor AI skill free?

Yes. It is published on GitHub by luongnv89 under the MIT license. You only pay your own AI provider for the tokens you use.

What are AI skills?

An AI skill is a reusable instruction bundle that teaches an AI model how to do one specific task. It follows the open Agent Skills format: a SKILL.md file with a name and description, plus any scripts, templates or reference files the model may need. The model reads the instructions only when your request matches the skill, so an installed skill costs nothing until it is used.

How are AI skills different from plugins or MCP servers?

A plugin or MCP server gives a model new tools to call — code that runs somewhere and returns a result. An AI skill gives the model knowledge and process instead: how to approach a task, which steps to follow, what good output looks like. Skills are plain Markdown, so they need no server, no API key and no runtime, and they work with any model.

View all

Set up your own AI workspace now

Get notified about new features and future giveaways by subscribing to our newsletter 👇