analyze-research

Solid

技术调研子类型规范 — 技术选型/可行性评估/根因调查,只读工作流

AI & Automation 263 stars 34 forks Updated 2 days ago AGPL-3.0

Install

View on GitHub

Quality Score: 81/100

Stars 20%
81
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
85
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# Analyze Research Skill > 子类型标识:`analyze.research` ## 触发条件 用户要求**调研、评估或比较**某技术方案,主要目标是获得信息和建议(而非直接实施)。 | 场景 | 示例 | |------|------| | 技术选型 | "对比 Redis/Memcached,推荐缓存方案" | | 可行性评估 | "评估引入 GraphQL 的成本和收益" | | 概念验证 | "验证 WebSocket 在我们架构下是否可行" | | 依赖调研 | "调研 `@org/lib` 是否满足需求" | | 根因调查 | "找出导致内存持续增长的根因" | | 隐性推荐/取舍 | 用户问"是否应该""哪个更好""有没有更好建议",且结论会影响技术路线、产品/项目选择、时间/金钱投入或长期维护成本 | ## ⛔ 只读原则 调研过程中**禁止修改任何项目源码文件**。若结论需要代码变更,在报告中说明并建议切换到 dev/fix 工作流。 ## 执行流程 | 步骤 | 动作 | |------|------| | 1 | 明确调研问题(一句话核心问题) | | 2 | 确认调研范围(深度 + 技术栈约束) | | 3 | 收集信息(profile + 源码 + 同类产品 / 项目 / 模块对比 + 依赖文档)并建立关联文件集合 | | 4 | 分析评估(按调研类型,至少 3 轮) | | 5 | 收敛前再跑一次 CRS,确认关联文件集合无遗漏 | | 6 | PCV(收敛后汇总验证,含合理性 + 可实施性 + 收益) | | 7 | 输出明确结论(禁止模糊结论) | | 8 | 输出调研报告 | ## 统一联查矩阵(research 最小动作) - `research` 默认执行 analyze-lite 联查:关键词提取 → 关联文件集合 → 收敛前再跑一次 CRS - 命中控制面、多真相源、模板-示例-校验链或单轮发现 ≥5 条 / 出现 🔴 问题时,应主动建议升级到 `audit` - `ComparativeResearchGate` 命中时,先比较同类产品 / 项目 / 本仓库相似模块 / 已有设计;若属于纯解释、低风险本地事实或用户明确要求快速答复,记录 `N/A + skipReason`,不得把普通问答默认升级成重调研 - 输入来自审查报告、AI review finding、audit issue 或代码评审发现时,必须执行 `ReviewFindingIntakeGate`:先把报告当线索补本地证据,再区分 must-fix、设计如此、用户决策、文档/实现漂移、测试覆盖缺口和未复现项 ## 各类型输出格式 **技术选型**: ```text 推荐:[方案名] 理由:[2~3句话,聚焦关键差异] 注意事项:[风险/限制] ``` **可行性评估**: ```text 结论:[可行 / 有条件可行 / 不可行] 前置条件:[无则填"无"] 成本估算:[工程量/依赖变更/测试] 风险点:[主要风险] 备选方案:[若不可行] ``` **依赖/兼容性评估**: ```text 业务源码平滑性:[当前源码/调用方/配置/公开契约是否需适配] 依赖层落地条件:[版本 / Node 或 peer dependency / lockfile / CI runner / 发布与文档要求] 纯依赖层零附加动作:[是 / 否 / N/A;给出证据] 内部共享库评估:[是否应修共享库 ...

Details

Author
devcodex-labs
Repository
devcodex-labs/devcodex
Created
5 months ago
Last Updated
2 days ago
Language
JavaScript
License
AGPL-3.0

Integrates with

Similar Skills

Semantically similar based on skill content — not just same category

Data & Documents Listed

feasibility

当用户要求「先做可行性研究 / 先评估 / 先调研方案」「XX 能不能做到」「XX 这样改可行吗」,或提出复杂改造、新能力扩展、技术选型、架构调整等需要前期论证的任务时使用。产出结构化可行性报告(现状 → 问题 → 开源参考 → 候选方案对比 → 推荐 + 改动量 → 可行性结论),先对齐方案,等用户确认后再动手。不要用于简单 bug 修复、小功能、样式/文案/配置等低风险改动,或用户已明确要求��接实现的任务

6 Updated today
beixiyo
AI & Automation Listed

decision-research

决策调研 / Decision-Driven Research:当用户面对一个具体决策需要找信息时使用——「有没有现成方案」 「怎么接入 X 平台」「这个技术可行吗」「业界怎么做 Y」「选 A 还是 B」「桌面端应该怎么定位」 「高级版和基础版怎么拉开差异」「这个产品方向对不对」。 核心行为:先框定研究层级和问题类型,再锚定决策问题,枚举竞争假设,主动找反对证据, 用排除逻辑给出有立场的结论。支持技术选型、产品策略、商业判断、竞品定位等所有需要做决定的调研。 可用中文唤起:「帮我调研」「有没有现成方案」「这个怎么接」「技术上可行吗」「帮我选一个」 「这个产品方向对不对」「我们应该怎么定位」「行业怎么做」。 与 research-topic-compiler 的边界:需要最终选择、推荐、排除理由、置信度和颠覆条件时用这个; 如果目标是长期学习、候选池沉淀或 Research Project,用 research-topic-compiler,再把 Candidate Backlog 交回本 Skill 做最终决策。 不用于:问题还没定义清楚时(先用 ai-collaboration-calibration L4-fuzzy 脑暴)。

11 Updated 1 weeks ago
PANGKAIFENG
AI & Automation Listed

code-evaluation

对代码实现方案进行质量、可靠性和性能的结构化评估。在分析复杂变更、重构或引入重型依赖时自动调用。

1 Updated today
Kucell