返回顶部
T

Tech Solution Research技术方案调研

技术方案调研/框架选型/技术对比/最终报告生成 — multi-source evidence orchestration for technical decision-making

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 0.3.0
安全检测
已通过
106
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

Tech Solution Research

定位与边界

技术方案调研 vs 市场调研

维度技术方案调研(本技能)市场调研(market-research)
核心问题哪个技术方案最适合解决 X 问题?这个市场有多大?竞争对手是谁?
证据类型
文档、代码、基准测试、集成实测 | 市场规模、用户数、营收、融资 | | 评估维度 | 功能/性能/开发体验/成本/集成/安全/维护 | TAM/SAM/SOM/竞争格局/进入壁垒 | | 输出 | 技术选型建议 + 实施路径 | 市场机会评估 + 进入策略 | | 受众 | 工程师/CTO/技术决策者 | 创始人/投资人/业务决策者 |

本技能不做:市场规模估算、竞品商业分析、用户调研、定价策略、SaaS 产品商业对比(非技术维度)



触发条件

✅ 使用本技能当:

  • - 调研 X 技术方案 / 对比 X 和 Y / 做技术选型
  • X 框架怎么样? / X 和 Y 哪个更适合 Z 场景?
  • 输出 X 技术的实施建议 / 评估 X 技术的风险
  • 我们该用 X 还是 Y? / X 技术的优缺点是什么?
  • 调研浏览器自动化方案 / 对比几个 ORM 框架 / 评估 X 库的可行性

典型场景示例

  • - 浏览器自动化方案调研(Playwright / Stagehand / agent-browser / BrowserUse / WebMCP)
  • 后端框架选型(Express / Fastify / Hono / Bun)
  • 数据库方案对比(PostgreSQL / MongoDB / Redis / SQLite)
  • 状态管理库评估(Zustand / Jotai / Redux / Valtio)
  • SaaS 服务技术评估(如Supabase vs 自建后端的技术可行性)

❌ 不使用本技能(应转介其他技能):

  • - 市场规模估算 → 使用 market-research 技能
  • 竞品商业分析 → 使用 market-research 技能
  • 纯产品选型(非技术维度) → 如选哪个 CRM 系统(业务功能优先)
  • 用户调研/需求验证 → 需要人工访谈
  • 纯业务决策(定价、市场进入) → 需要业务输入
  • 紧急故障排查 → 使用调试/排障技能
  • 单纯查文档/API 用法 → 直接 websearch / webfetch 即可

边界模糊处理:如用户问题同时包含技术和商业维度,先完成技术调研部分,明确说明商业维度建议用 market-research 技能补充。



核心设计:Multi-Source Evidence Orchestration

本技能不是 simple web search aggregation,而是多源证据编排与仲裁

7 个 Source Lanes

Lane作用输出工具/来源示例
official-docs官方声明的能力、API、限制功能清单、版本信息、官方基准官网文档、API reference、release notes
github
真实代码质量、活跃度、问题 | Star 数、issue 响应、commit 频率、代码示例 | GitHub repo、issues、PRs、Actions | | clawhub | OpenClaw 生态内可用技能/工具 | 已集成技能、兼容性、使用示例 | ClawHub registry、已安装技能 | | platform-native | 直接从目标平台获取一手数据 | 原始帖子/搜索结果/互动数据/平台内趋势 | feedgrab、last30days、x-hot-topics-daily、xiaohongshu、moltbook、agent-browser(必要时) | | community-discourse | 开发者真实体验、坑、最佳实践 | 教程、博客、Reddit、StackOverflow、Discord、公开社区讨论 | 技术博客、论坛、社交媒体公开索引 | | runtime-test | 实测数据(性能、功能验证) | 基准测试结果、功能验证记录 | 本地运行测试、基准脚本 | | internal-assets | 组织内部历史经验、现有代码 | 内部文档、历史项目、现有集成 | 内部 wiki、代码库、过往报告 |

证据优先级与冲突仲裁

证据可信度(从高到低,默认):

  1. 1. runtime-test(自己实测)
  2. official-docs(官方文档)
  3. platform-native(平台一手数据)
  4. github(真实代码/问题追踪)
  5. community-discourse(开发者经验,需交叉验证)
  6. internal-assets(可能有偏见或过时)

冲突仲裁规则:

  • - 实测 vs 官方声称不一致 → 以实测为准,标注官方声称 X,实测 Y
  • 平台一手数据 vs 二手社区总结冲突 → 以平台一手数据为准,标注二手解释可能失真
  • 多个 community-discourse 来源一致 vs 单一相反意见 → 采纳多数,标注少数观点
  • 官方文档版本 vs GitHub 最新 release 不一致 → 以 GitHub release 为准,标注文档可能过时
  • 缺失实测数据 → 必须标注待补核,不得将二手信息当作实测
  • 无法仲裁的冲突 → 并列呈现双方证据,标注存在争议,建议实测验证



标准工作流

  1. 1. 范围界定 → 2. 候选生成 → 3. 多源采证 → 4. 实测 → 5. 评分 → 6. 结论

1. 范围界定(Scoping)

  • - 明确业务场景、约束条件、成功标准
  • 确定评估范围(必须有的功能、可选功能、排除条件)
  • 输出:调研范围文档

2. 候选生成(Candidate Generation)

  • - 从各 source lanes 收集候选方案
  • 初步筛选(排除明显不满足约束的)
  • 输出:候选方案清单(3-5 个为宜)
  • 候选锁定:清单确定后不得随意扩展,如确需增加需记录理由

3. 多源采证(Evidence Collection)

  • - 并行从 7 个 lanes 采集证据
  • 统一证据 schema(见 references/evidence-schema.md)
  • 输出:证据矩阵

强制 source routing(必须遵守):

  • - 涉及 X/Twitter必须优先使用 feedgrab,趋势补充用 last30days / x-hot-topics-daily,必要时再用 agent-browser 页面验证
  • 涉及 小红书必须优先使用 xiaohongshu skill,补充用 feedgrab
  • 涉及 GitHub必须优先使用 GitHub/gh CLI 数据,再补社区口碑
  • 涉及 ClawHub必须优先使用 registry / 已安装技能 / skill metadata
  • 涉及 Moltbook必须优先使用 moltbook-global 作为平台/内部内容资产入口
  • 降级记录要求:如上述平台原生工具不可用,必须明确记录降级原因 + 降级到的替代方案,不得伪装成一手数据

证据新鲜度要求

  • - GitHub 数据(star、issues、commits):采集时间 ≤30 天
  • 社区讨论/帖子:优先 ≤6 个月内容,超过 1 年需标注可能过时
  • 官方文档:记录文档版本/最后更新时间

4. 实测(Runtime Validation)

  • - 对 top 2-3 候选进行关键功能/性能实测
  • 记录测试环境、步骤、结果
  • 输出:实测报告(如无法实测,必须明确标注待补核及原因

5. 评分(Scoring)

  • - 使用 7 维评分体系(见下文)
  • 加权计算(权重根据场景调整)
  • 输出:评分表
  • 权重调整记录:如偏离默认权重,需说明理由

6. 结论(Conclusion)

  • - 推荐方案 + 备选方案
  • 风险清单 + 缓解措施
  • 实施路径(分阶段)
  • 输出:最终报告(见 references/report-template.md)

7 维评分体系

维度说明评分要点
功能是否满足需求核心功能覆盖度、扩展性、插件生态
性能
速度、资源消耗 | 基准测试、内存占用、并发能力 | | 开发体验 | 易用性、文档、工具链 | API 设计、文档质量、调试工具、错误信息 | | 成本 | 直接 + 间接成本 | License 费用、云资源成本、学习成本、维护人力 | | 集成难度 | 与现有系统集成 | API 兼容性、依赖复杂度、迁移成本 | |

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 tech-solution-research-1775940270 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 tech-solution-research-1775940270 技能

通过命令行安装

skillhub install tech-solution-research-1775940270

下载

⬇ 下载 Tech Solution Research v0.3.0(免费)

文件大小: 25.18 KB | 发布时间: 2026-4-12 11:37

v0.3.0 最新 2026-4-12 11:37
Initial public release with platform-native source routing, source coverage gates, and technical-solution research workflow.

Archiver·手机版·闲社网·闲社论坛·羊毛社区· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2025 闲社网·线报更新论坛·羊毛分享社区·http://xianshe.com

p2p_official_large
返回顶部