deepstack

用途

Deep Stack 是一个「深度研究提示词生成器」技能，用于为当前项目的技术栈量身定制一份全面的研究提示词。它解决的核心问题是：当你想针对某个主题（如安全、性能）做深入研究时，通用提示词往往无法贴合你实际使用的技术组合，而 Deep Stack 会先摸清项目里到底用了哪些技术、什么版本，再据此生成针对性的研究提示词。

主要能力

1. 技术栈检测

技能会分析当前项目，识别各类技术及其版本，检测范围包括：

• 后端：通过 composer.json（PHP 生态，如 Laravel、Symfony）、package.json（Node.js 生态，如 Express、Fastify、NestJS）、requirements.txt / pyproject.toml / Pipfile（Python，如 Django、Flask、FastAPI）、Gemfile（Ruby，如 Rails、Sinatra）、go.mod（Go，如 Gin、Echo、Fiber）、Cargo.toml（Rust，如 Actix、Axum、Rocket）、pom.xml / build.gradle（Java，如 Spring Boot）、*.csproj / *.sln（.NET，如 ASP.NET Core）等文件识别。
• 前端：检查 package.json 依赖中的框架（React、Vue、Svelte、Angular、Solid、Preact、Qwik）、元框架（Next.js、Nuxt、SvelteKit、Remix、Astro）、构建工具（Vite、Webpack、Parcel、esbuild、Turbopack）、CSS 方案（Tailwind CSS、Bootstrap、styled-components、Sass、PostCSS）。
• 集成/中间件层：Inertia.js、Livewire、HTMX、Turbo/Hotwire、Alpine.js 等胶水技术。
• 数据库：通过 .env（DB_CONNECTION、DATABASE_URL）、docker-compose.yml、框架配置文件（如 Laravel 的 config/database.php、Django 的 settings.py）、ORM 配置（Prisma 的 schema.prisma、Drizzle、TypeORM、Eloquent）识别 MySQL、PostgreSQL、SQLite、MongoDB、Redis、Elasticsearch 等。
• 基础设施/其他工具：缓存（Redis、Memcached）、搜索（Elasticsearch、Meilisearch、Algolia）、队列（Redis、RabbitMQ、SQS）、存储（S3、本地文件系统）、认证（Sanctum、Passport、NextAuth、Auth0、Clerk）。
• 版本检测：从 package.json 的 dependencies / devDependencies、composer.json 的 require 段、锁文件（package-lock.json、composer.lock）、.env 或 Docker 配置中提取精确版本。

2. 与用户确认技术栈

检测完成后，技能会先把检测到的技术栈以文本形式输出给用户（不放进 AskUserQuestion 工具，因为该工具显示空间有限），然后询问「检测到的技术栈是否正确？」，选项为「是，看起来正确」/「需要修正」。用户确认或修正后才继续。

3. 生成深度研究提示词

确认技术栈后，技能会生成一份结构化提示词，模板包含以下部分：

• 技术栈清单：按后端、前端、集成、数据库、其他分组列出每项技术及版本。
• 研究范围：
  1. 逐技术分析——针对每个技术研究该主题的最佳实践、已知问题/漏洞/限制、影响该主题的配置项、常见错误、版本特定注意事项。
  2. 集成点——研究技术组合之间的该主题考量（如后端框架 + 前端框架的数据流与状态管理、后端 + 数据库的查询模式与连接处理、集成层细节等），聚焦于技术协同工作时才出现的问题。
  3. 栈专属模式——推荐架构、应避免的反模式、技术选型带来的权衡。
  4. 真实场景考量——开发者报告的常见问题、生产经验、扩展性考量、监控与可观测性。
• 要求的输出格式：执行摘要（该栈最关键的 10 项考量、按优先级排序的行动项）、逐技术指南、集成指南、已知问题与陷阱、检查清单、反模式、资源（官方文档、文章教程、工具）。

4. 主题特定增强

根据用户指定的主题，提示词会强调不同方面：

• security：CVE、OWASP Top 10、认证授权、输入验证、加密、密钥管理、依赖漏洞、漏洞利用示例与缓解策略。
• performance：性能剖析、缓存策略、数据库优化、懒加载、包体积、Core Web Vitals、内存管理、基准测试与监控工具。
• testing：单元/集成/端到端测试策略、mock 策略、测试数据管理、CI/CD 集成、覆盖率目标与测试反模式。
• maintainability：代码组织、命名约定、文档、重构模式、技术债管理、代码审查清单与架构模式。
• scalability：水平/垂直扩展、负载均衡、缓存、数据库分片、微服务考量、容量规划与瓶颈识别。
• deployment：CI/CD、容器化、环境管理、回滚策略、零停机部署、基础设施即代码与监控设置。
• accessibility：WCAG 合规、屏幕阅读器支持、键盘导航、ARIA 模式、颜色对比度、焦点管理、测试工具与审计方法。

5. 输出呈现

生成的提示词以纯文本形式输出，方便用户复制。提示词前会加上说明「这是为你技术栈定制的『[主题]』深度研究提示词，复制后粘贴到你偏好的研究工具中」，提示词后附提示：该提示词适用于 Claude、ChatGPT、Perplexity 等 AI 研究工具，建议使用能联网搜索最新信息的工具以获得最佳效果。

使用方式

该技能通过参数 $ARGUMENTS 接收研究主题。若未提供主题，技能会询问用户想研究什么（如安全、性能、可维护性、可扩展性、测试、部署、无障碍）。使用流程为：检测技术栈 → 输出并确认 → 生成提示词 → 呈现可复制的纯文本。

适用场景

• 想针对项目实际技术栈做某个主题的深度调研，但不知道如何写出贴合技术组合的提示词。
• 需要一份自包含、无需额外上下文即可交给研究工具使用的提示词。
• 希望研究覆盖技术之间的集成点，而不仅是单项技术。

限制与注意事项

• 技能说明中强调：始终包含版本号，因为版本对准确研究很重要；若无法检测到版本，应标注为「[version unknown]」并询问用户。
• 生成的提示词应自包含，不依赖额外上下文。
• 集成部分应针对实际检测到的技术定制，不要使用通用示例。
• 关于该技能的具体安装命令、收费方式、支持平台等信息，资料中暂未提供。