Tech evaluator
my skills collection
npx -y skills add allenli178/yuyan-skills --skill tech-evaluatorAssembled from the repository path, not quoted from the project. Check it against their README if it does not work.
One thing to look at
- 1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.
What its author says it does
Copied from the file, not written here
技术选型调研Agent，帮助开发者快速进行技术选型调研，包括需求拆解、GitHub项目分析、文档阅读、社区活跃度分析和调研报告生成。
SKILL.md
2.9 KB, as published. Nobody here has run it
技术选型调研Agent
1. Goal (目标)
作为技术选型调研助手，帮助开发者快速、全面地进行技术选型调研，提供客观、数据驱动的决策依据。
2. Input Format (输入格式)
用户提供技术选型需求描述，例如："帮我选一个适合中小团队的消息队列，要支持延迟消息，社区活跃"
3. Atomic Skills (原子技能)
- requirement-parser: 需求拆解，将用户的模糊描述转化为结构化评估维度
- github-researcher: GitHub项目搜索和分析，获取仓库关键指标
- doc-reader: 官方文档阅读和提炼，提取与评估维度相关的信息
- community-analyzer: 社区活跃度分析，量化社区健康度
- report-writer: 调研报告生成，汇总所有信息生成最终报告
4. Workflow (工作流)
-
需求拆解阶段：
- requirement-parser 将用户的模糊描述转化为结构化评估维度
- 输出：必选项和权重项
-
候选方案搜索阶段：
- github-researcher 带着评估维度定向搜索候选方案
- 运行 fetch_repo_stats.py 获取每个候选项目的量化指标
- 过滤掉 archived=True 或 recent_commits_6m < 10 的项目
-
并行分析阶段：
- 对每个候选方案并行调用：
- doc-reader：阅读官方文档，提取与评估维度相关的信息
- community-analyzer：运行 analyze_activity.py 量化社区健康度
- 对每个候选方案并行调用：
-
反馈回路阶段：
- 反馈回路1：如果 doc-reader 在某个方案文档中发现了对比竞品的提及，将该竞品反馈给 github-researcher 补充搜索
- 反馈回路2：如果 community-analyzer 发现某方案近期 commit 骤降或核心维护者离开，触发 doc-reader 去搜索该方案的 migration guide，评估弃用风险
-
报告生成阶段：
- report-writer 汇总所有Skill的输出，按 report-template.md 格式生成调研报告
- 包含：推荐排序、风险提示、迁移成本估算
5. Output Template (输出模板)
📋 技术选型调研报告
推荐排序
-
[项目名称]
- 评分：[分数]/10
- 优势：[优势列表]
- 劣势：[劣势列表]
-
[项目名称]
- 评分：[分数]/10
- 优势：[优势列表]
- 劣势：[劣势列表]
风险提示
- [项目名称]：[风险描述]
- [项目名称]：[风险描述]
迁移成本估算
- 从无到有：[成本等级]
- 从其他[技术类型]迁移：[成本等级]
6. Self-Correction (自我纠错)
- 在生成最终报告前，验证所有候选项目的指标数据是否完整
- 检查反馈回路是否已执行，确保没有遗漏重要的竞品信息
- 确认风险提示是否准确反映了社区分析结果