研究 AI 工具
启动时读取
- 读取
references/evidence-and-metrics.md。 - 若要比较成熟开发范式，读取
references/develop-references/case-patterns.md。 - 读取当前项目的
design.md；不存在时先建立问题定义，不直接堆砌资料。
S1：研究问题
将需求改写为可验证问题：
- 谁在什么场景完成什么任务？
- 当前方案在哪些环节失败？
- 新工具改变哪个决策或动作？
- 哪些输出是必须字段？
- 哪些风险一旦发生就必须阻断？
产出问题树，并区分事实、假设和待验证项。
S2：理论与方法
优先使用平台官方文档、标准、原始论文和源代码，其次使用维护者资料和高质量工程文章。GitHub issue、论坛和 X 讨论只作为线索或失败样本。
外部信息可能变化时必须联网核验。每个产品设计建议写明：
- 灵感来源；
- 能解决的问题；
- 预期收益；
- 落地成本；
- 已实测或待验证。
S3：同类工具矩阵
至少覆盖用户已有或博维自研工具、平台官方工具、GitHub 代表性开源实现。比较用户任务、触发入口、资源结构、评测方法、权限边界、发布回滚、可复用设计和不适用条件。
不按 Star 数直接判断质量；检查最近维护状态、测试、文档、issue 和真实可运行证据。
S4：Excel 指标字典
从技能目录读取 assets/Skill开发指标字典与Stage-Gate模板.xlsx。
维护七张表：00总览、01流程阶段、02指标字典、03竞品工具矩阵、04测试用例库、05评测记录、06信源台账。
每个指标必须有：
- 指标 ID、名称、目的、阶段；
- 定义、计算方法、分母和单位；
- 数据源、采集方式和责任人；
- 阈值、红线和判定逻辑；
- 适用范围、排除项和证据状态。
安全红线作为硬闸门，不参与均分。
交付闸门
- 关键设计结论有可追溯来源或明确标为内部假设；
- 同类工具矩阵包含自研、官方、开源三类；
- Excel 指标可直接用于后续测试，不是只有名称的清单；
- 研究局限和未核实项已列出；
- 数据和案例已脱敏。
