Natuurlijk! Hier is een uitgebreide gids voor het uitvoeren van een diepgaande kwaliteitsanalyse van je Python-codebase met Cursor, inclusief specifieke aanbevelingen om codekwaliteit, leesbaarheid en prestaties te verbeteren: 1. Codeanalyse en -optimalisatie met Cursor AI a. Automatische code review: - Gebruik Cursor's AI-gestuurde code review om potentiële bugs, code-smells en inconsistenties te identificeren. - Laat de AI suggesties doen voor refactoring en best practices, bijvoorbeeld het verminderen van duplicatie of het verbeteren van naamgevingsconventies. b. Complexiteitsanalyse: - Vraag Cursor om de cyclomatische complexiteit van je modules te beoordelen. - Identificeer functies of methoden die te complex zijn en overweeg ze op te splitsen voor betere leesbaarheid en onderhoudbaarheid. 2. Verbeteringen in codekwaliteit en leesbaarheid a. Consistentie en stijl: - Gebruik Cursor om te controleren op naleving van PEP 8 stijlgidsen. - Implementeer suggesties voor consistente indentatie, witruimte en naamgeving. b. Documentatie: - Laat Cursor controleren of functies en classes voldoende gedocumenteerd zijn met docstrings. - Voeg indien nodig duidelijke en informatieve docstrings toe. c. Modulaire structuur: - Vraag de AI om te beoordelen of de code modulair en logisch gestructureerd is. - Optimaliseer het gebruik van functies en classes voor herbruikbaarheid en overzichtelijkheid. 3. Prestatieverbeteringen a. Identificatie van bottlenecks: - Gebruik Cursor om te analyseren waar trage of resource-intensieve delen van de code zitten. - Vraag om suggesties voor optimalisaties, zoals het gebruik van efficiëntere algoritmes of data structuren. b. Efficiënt gebruik van data: - Laat de AI controleren op onnodige herhaalde berekeningen of dataverwerking. - Overweeg het gebruik van caching of generatoren om geheugen- en prestatiewinst te behalen. 4. Specifieke codefragmenten optimaliseren - Voorbeeld: Optimaliseer loops en list comprehensions: Vraag Cursor om te beoordelen of bestaande loops efficiënt zijn en of list comprehensions of generatoren beter passen. - Voorbeeld: Verbeter database- of I/O-operaties: Laat de AI controleren of database-queries of bestandstoegang geoptimaliseerd kunnen worden, bijvoorbeeld door batching of asynchrone verwerking. 5. Integratie en continue verbetering - Continuerende analyse: Gebruik Cursor in combinatie met CI/CD-pijplijnen om automatisch code te laten scannen bij elke wijziging. - Feedbackloop: Implementeer de AI-aanbevelingen en test uitgebreid om zeker te zijn dat verbeteringen geen regressies veroorzaken. Kort samengevat: Gebruik Cursor's AI-mogelijkheden om je Python-code systematisch te beoordelen op stijl, structuur, complexiteit en prestaties. Vraag de AI om specifieke suggesties voor refactoring, optimalisatie en documentatie. Combineer deze met handmatige tests om een robuuste, leesbare en efficiënte codebase te ontwikkelen. Heeft u specifieke codefragmenten of modules die u wilt laten analyseren? Zo ja, stuur ze gerust door voor gerichte adviezen!

Zeker! Hier is een uitgebreide handleiding voor het uitvoeren van een diepgaande kwaliteitsanalyse van je Python codebase met Cursor: ## 1. Code Structurele Analyse ### Gebruik Cursor's Codebase Begrip ```python # Voorbeeld: Analyseer klassenhiërarchie class DataProcessor: def __init__(self): self.data = [] def process_data(self): # Cursor kan complexe methodes analyseren pass # Vraag Cursor: "Analyseer de klassenstructuur en identificeer inheritance problemen" ``` ### Aanbevelingen: - Gebruik `Ctrl+K` voor context-aware refactoring - Vraag: "Toon me alle functies langer dan 50 regels" - Gebruik "Find similar code" om duplicatie te detecteren ## 2. Prestatie Optimalisatie ### Identificeer Bottlenecks: ```python # Voorbeeld code voor analyse def inefficient_loop(data): result = [] for i in range(len(data)): if data[i] in result: # O(n²) complexiteit continue result.append(data[i]) return result # Vraag Cursor: "Optimaliseer deze functie voor betere tijdcomplexiteit" ``` ### Cursor Commando's voor Prestatie: - "Analyseer tijdcomplexiteit van deze functie" - "Suggest alternatieve data structuren" - "Identificeer memory leaks in deze module" ## 3. Code Leesbaarheid Verbetering ### Refactoring Voorbeelden: ```python # Voor: Onduidelijke code def p(d): r = [] for x in d: if x not in r: r.append(x) return r # Na: Cursor-suggestie def remove_duplicates(data): """Verwijdert duplicaten uit een lijst behoudt volgorde.""" seen = set() return [x for x in data if not (x in seen or seen.add(x))] ``` ### Cursor Tips: - Gebruik "Add documentation" voor automatische docstrings - "Explain this code" voor complexe logica - "Suggest better variable names" ## 4. AI-Gestuurde Code Review ### Specifieke Cursor Features: 1. **Security Scan**: "Check deze code voor beveiligingsproblemen" 2. **Design Patterns**: "Suggest geschikte design patterns voor deze module" 3. **Error Handling**: "Verbeter error handling in deze functie" ### Voorbeeld Review: ```python # Vraag Cursor: "Review deze database functie" def get_user_data(user_id): conn = sqlite3.connect('db.sqlite') cursor = conn.cursor() cursor.execute(f"SELECT * FROM users WHERE id = {user_id}") return cursor.fetchall() # Cursor zal SQL injection en resource management aanwijzen ``` ## 5. Testkwaliteit Analyse ### Test Coverage Verbetering: ```python # Vraag Cursor: "Schrijf unit tests voor deze klasse" class Calculator: def add(self, a, b): return a + b def divide(self, a, b): if b == 0: raise ValueError("Cannot divide by zero") return a / b ``` ### Cursor Test Commando's: - "Generate test cases for edge scenarios" - "Analyze test coverage gaps" - "Suggest integration tests" ## 6. Dependency en Import Analyse ### Module Optimalisatie: ```python # Vraag Cursor: "Analyze import dependencies and suggest improvements" from utils.helpers import * from data.processors import DataProcessor, DataValidator, DataCleaner from models import User, Product, Order, Category, Inventory # Cursor kan ongebruikte imports detecteren en circular dependencies ``` ## 7. Type Hinting en Documentatie ### Verbeter Type Safety: ```python # Vraag Cursor: "Add comprehensive type hints to this function" def process_user_data(user_data, options): # Complexe logica zonder type hints pass ``` ## 8. Cursor Workflow voor Continue Analyse ### Dagelijkse Praktijken: 1. **Morning Scan**: "Analyze recent changes for quality issues" 2. **Commit Review**: "Review this diff for potential problems" 3. **Performance Check**: "Identify performance regressions" ### Geavanceerde Features: - "Create quality metrics report" - "Compare code quality between branches" - "Generate refactoring roadmap" ## 9. Specifieke Code Fragmenten voor Optimalisatie ### Veelvoorkomende Probleemgebieden: ```python # 1. Complexe conditionele logica # Vraag: "Simplify nested if-else statements" # 2. Lange functies # Vraag: "Break down this function into smaller methods" # 3. Database queries # Vraag: "Optimize N+1 query problems" # 4. Memory usage # Vraag: "Analyze memory efficiency of this data processing" ``` ## 10. Implementatie Stappen 1. **Start met Cursor's Built-in Analysis**: - Open je project in Cursor - Gebruik `Ctrl+Shift+P` → "Analyze Codebase" 2. **Focus op High-Impact Gebieden**: - Core business logic - Performance-critical code - Frequently modified modules 3. **Stel Specifieke Vragen**: - "How can I make this function more Pythonic?" - "What design pattern fits this use case?" - "Show me anti-patterns in this module" Door deze aanpak systematisch toe te passen met Cursor's AI-capaciteiten, kun je significante verbeteringen aanbrengen in codekwaliteit, onderhoudbaarheid en prestaties van je Python codebase.