开源架构研究与技术选型
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @xyingsoft/architecture-open-source-research。
技能介绍
要解决什么问题
在技术栈过期、团队要上新能力或从 0 设计系统时,常见痛点是:凭印象选框架、README 与真实代码不一致、许可证与运维成本在上线后才暴露。本技能面向「需要可辩护、可实施的架构结论」场景,而不是宣传稿式的方案罗列。
技能如何工作
默认 只读:不安装依赖、不发布代码、不访问私有数据。你先用一句话钉死目标与约束(部署地域、吞吐、许可证、验收标准等),技能按证据链推进:
- 用
scripts/inspect_codebase.py对已有仓库做确定性清单,再在源码、测试与部署描述里核对结论; - 用
scripts/research_repositories.py --source auto等路径,在 GitHub 不可达时回退 Gitee/官方文档,并记录实际证据来源; - 每项能力收集 3~8 个候选,从 README、LICENSE、发布与 CI 活动、示例与扩展点取证,结论标为 已核验 / 推断 / 待核验;
- 为每个候选给出 采用 / 扩展 / 借鉴模式 / 仅调研 / 拒绝,并输出对比矩阵、目标架构(含 Mermaid)、分阶段交付与验证门槛。
期货/强化学习场景会额外约束事件语义、订单状态机、泄漏测试与「确定性风险网关高于模型输出」等边界。
适用边界与注意点
- Star 数、安装徽章不是质量证据;搜索失败不能伪装成「没有候选」。
- Copyleft 或许可证不清的项目,在未做法务确认前,默认不直接 采用 代码依赖。
- 不会把 LLM、Notebook 或未验证研究代码放进安全关键执行路径;也不把回测收益表述为实盘盈利证明。
使用场景
- 国内云部署的 Python 订单系统,要比较异步任务队列并写清迁移与回滚步骤
- 毫秒级期货或价差系统,需选型事件引擎、回测器与 Gymnasium 兼容 RL 环境
- 大改版前对现有单体做代码库盘点,并输出当前态与目标态架构图及耦合点
- 多项消息中间件候选需在许可证、运维成熟度与扩展成本上打分并定复用边界
适合人员
- 负责生产迁移的后端工程师,需要带 URL/版本/License 证据的选型结论而非口号
- 量化或期货交易团队,要在订单语义、仿真校准和风控网关上做可审计的技术栈决策
- 技术负责人准备在半年内拆分系统,先要可核验的依赖与架构模式清单再定里程碑
- 平台工程师在商用友好许可证约束下对比可观测性、队列或存储方案并写验收门槛