SuperAPI AI 工具集

solution-candidate-design

编程与开发

查看项目

更新于 11-02 16:14

技能介绍

用途

该技能把一个已验证或正在验证的想法,扩展成2到4个范围具有可比性的具体解决方案候选,供用户手动比较。它不输出单一推荐,而是把每个候选方案的架构、技术栈、工作量与权衡并排展示,由用户自己判断。

它是 solution-feasibility-study(可行性研究)之后的自然一步,也可以配合 audience-behavior-study(用户行为研究)使用:可行性研究回答“要不要做”,用户研究回答“为谁做、如何触达”,本技能回答“具体有哪几种做法”。也可以直接从想法出发使用,无需先做前两项研究。

主要能力

  • 资料复用:自动查找当前目录下的 feasibility-study-.md 与 audience-study-.md,复用其中的想法摘要、目标用户、可分叉仓库线索、技术可行性、商业化与团队时间约束,以及可能隐含硬性技术需求的痛点。
  • 范围访谈:逐项确认 MVP 范围、团队与时间预算、技术栈偏好、首要优先级(快速出 MVP、长期扩展性、最低持续成本、最大定制自由度)、是否接受分叉、候选数量(默认3个,最少2个最多4个)。
  • 候选池组装:覆盖“分叉扩展”“从零搭建”“用托管服务组合”三类不同路线,至少包含一个从零搭建方案,按优先级匹配架构模式,避免千篇一律。
  • 事实核查:分叉候选会抓取仓库 README 和清单文件确认真实技术栈;从零搭建候选会针对最难的技术依赖做检索验证;服务组合候选会检索现实可用的托管服务积木。无法核实的标注为“未验证”,不虚构仓库技术栈、服务价格档位或架构适配性。
  • 候选档案:每个候选包含名称、一句话描述、起点、架构草图、技术栈、工作量档位(周末原型、兼职数月、6到12个月、需团队)、优点、缺点、技术风险、维护与依赖风险、锁定风险。
  • 对比矩阵:在到达 MVP 时间、技术栈匹配度、长期可扩展性、持续维护负担、定制自由度、成本敏感度、关键风险等维度上,以低/中/高加一句理由的方式并排呈现,不设加权总分,不宣布最优。
  • 报告与交接:生成 solution-candidates-<idea-slug>.md,在对话中展示档案与矩阵并询问用户方向;选定后分别建议分叉命令(如 gh repo fork org/repo --clone)、初始化仓库或配置 AI 助手。

使用方式

先加载当前智能体环境对应的平台适配参考(Copilot CLI、Codex、Gemini CLI 等),优先使用平台原生的结构化提问工具。随后按以下步骤进行:

  1. 录入:查找并复用已有研究报告,一句话确认复用了什么;没有则直接询问想法、MVP 功能清单和已有关注的仓库。
  2. 范围访谈:一次只问一个问题,每个问题带默认值,并告知采用了哪些默认值以便用户纠正。
  3. 组装候选池:按分叉扩展、从零搭建、服务组合三类收集候选,勉强不匹配的不凑数,跳过某类时明确说明原因。
  4. 夯实每个候选:抓取仓库资料确认技术栈与结构,或检索最难依赖的通行做法,或检索可用的托管服务。
  5. 撰写候选档案:按固定字段逐项填写。
  6. 生成对比矩阵:各维度给出低/中/高和一句话理由;若两个候选在用户最看重的维度上接近,建议针对不确定点做短周期验证,而不是猜测哪个更好。
  7. 报告与呈现:写好报告文件,在对话中展示并请用户选择方向;不主动推荐,被问及时也只按用户声明的优先级解读。
  8. 交接:按选定路线建议分叉命令、初始化仓库或配置 AI 助手,并预填已知信息以加快后续流程。

适用场景

  • 已有可行性研究或用户研究,想进入具体技术路线选型阶段。
  • 手头有想法、已找到若干可参考的开源仓库,需要比较分叉与自建的取舍。
  • 核心价值在业务流程或体验层,基础设施可用现成托管服务组合实现。
  • 小团队或个人开发者需要在时间、成本、扩展性之间做权衡。

限制

  • 只做设计与比较,不宣布胜出方案,不编写生产代码,不搭建仓库脚手架。
  • 架构草图只到“能想象出来”的程度,完整设计文档不在范围内。
  • 对仓库或外部服务的具体判断必须有本次会话实际抓取或检索的依据,否则标注未验证。
  • 分叉候选仅做 README 级别的轻量核查;需要更深入的实现与健康度评估时,应转交代码库深度分析技能。
  • 具体平台命令、模板细节与参考文件内容以该技能页面为准,本介绍不代为展开。