🔧 项目精华精炼器
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 @user_f5ff1e4f/project-essence-refiner。
技能介绍
老项目臃肿时,难点不在「要不要重写」
常见诉求是:参考成熟开源做一版自己的系统,或把做过的项目现代化——结果往往是依赖越装越多(CUDA 版 torch、Qdrant、工厂类层层叠叠),部署路径还写着 D:\modelscope_cache,SSE 流里一查库就 MissingGreenlet。本技能面向这类借鉴 + 重构场景:信念是更少步骤、更轻依赖、更清晰架构,借鉴的是经过验证的模式,而不是搬一整仓代码。
六阶段工作流在做什么
Phase 0 建议先读上游 analyzer 产物(含 ✅/🔧/❌),明确成本、部署约束,列出借鉴清单:什么架构原样留、什么要升级、什么坚决不要。Phase 1 固定骨架——分层(routes / services / models 等)、SSE 事件流(references / answer / done / error)、JWT 与知识库隔离、API Schema 尽量不动。Phase 2 坚持一次只换一个变量:例如哈希 embedding → BGE(snapshot_download 走 ModelScope、torch 用 CPU 版)、bcrypt==4.1.3 修 passlib、SSE 生成器外再做 DB 写操作、SQLite 起步并预留存储接口。
Phase 3 主动删冗余:去掉用不上的 nvidia 大包、过度抽象、小项目不需要的 K8s/ES/Qdrant,路径统一 os.getenv()。Phase 4 是一张 12 条避坑表(pydantic extra=forbid、建表顺序、SSH 长脚本、nginx 软链命名等)。Phase 5 要求模块级验收,Phase 6 交付独立目录代码、your-pro-vs-friend.md、deploy.sh、README.md、ARCHITECTURE.md。
适用边界
没有 analyzer 报告也能用,但 Phase 0 要靠你自己建借鉴清单,效果会打折扣。精简指的是砍依赖和过度设计,不是砍业务功能;参考仓库必须保持不污染(新代码放独立目录)。若用户刚说完「分析一下这个项目」,下一步「做更好的版本」会与 open-source-logic-analyzer 衔接触发本技能。
使用场景
- 手里有 analyzer 的 ✅/🔧/❌ 报告,要在独立目录里按清单重做一版可部署的后端
- 参考他人的 RAG/知识库项目仿造自有系统,要求保留 JWT 分层和 SSE 协议但去掉 Qdrant 与 CUDA 依赖
- 项目报 `bcrypt.__about__` 或 SSE 内写库导致 MissingGreenlet,需要按 Phase 2 逐项替换而非一次性大改
- 用户明确说「取其精华去其糟粕」或「整合 A 和 B 的优点」,并要交付对比文档与 deploy 脚本
适合人员
- 维护 FastAPI 类 RAG 服务的后端,想把无语义哈希 embedding 换成 BGE,又担心同时改存储和流式接口难以排错
- 从 GitHub 仿造系统的产品型全栈,要保留权限与流式回答体验,但部署预算只够 SQLite + CPU `torch`
- 接手臃肿 monorepo 的工程师,环境是 Linux VPS,需要清掉硬编码 Windows 路径和无用 K8s 组件
- 刚完成开源逻辑分析、下一步要「做更好版本」的开发者,需要与 analyzer 衔接的分阶段精炼流程