Tech Solution Research

---

name: Tech Solution Research slug: tech-solution-research description: "技术方案调研/框架选型/技术对比/最终报告生成 — multi-source evidence orchestration for technical decision-making" version: 0.3.0 author: OpenClaw Team license: MIT tags: [research, technical, decision-making, multi-source, evidence-based]

---

定位与边界

技术方案调研 vs 市场调研

| 维度 | 技术方案调研（本技能） | 市场调研（market-research） | |------|---------------------|--------------------------| | 核心问题 | "哪个技术方案最适合解决 X 问题？" | "这个市场有多大？竞争对手是谁？" | | 证据类型 | 文档、代码、基准测试、集成实测 | 市场规模、用户数、营收、融资 | | 评估维度 | 功能/性能/开发体验/成本/集成/安全/维护 | TAM/SAM/SOM/竞争格局/进入壁垒 | | 输出 | 技术选型建议 + 实施路径 | 市场机会评估 + 进入策略 | | 受众 | 工程师/CTO/技术决策者 | 创始人/投资人/业务决策者 |

本技能不做：市场规模估算、竞品商业分析、用户调研、定价策略、SaaS 产品商业对比（非技术维度）

---

触发条件

✅ 使用本技能当：

"调研 X 技术方案" / "对比 X 和 Y" / "做技术选型"

"X 框架怎么样？" / "X 和 Y 哪个更适合 Z 场景？"

"输出 X 技术的实施建议" / "评估 X 技术的风险"

"我们该用 X 还是 Y？" / "X 技术的优缺点是什么？"

"调研浏览器自动化方案" / "对比几个 ORM 框架" / "评估 X 库的可行性"

典型场景示例：

浏览器自动化方案调研（Playwright / Stagehand / agent-browser / BrowserUse / WebMCP）

后端框架选型（Express / Fastify / Hono / Bun）

数据库方案对比（PostgreSQL / MongoDB / Redis / SQLite）

状态管理库评估（Zustand / Jotai / Redux / Valtio）

SaaS 服务技术评估（如"Supabase vs 自建后端"的技术可行性）

❌ 不使用本技能（应转介其他技能）：

市场规模估算 → 使用 market-research 技能

竞品商业分析 → 使用 market-research 技能

纯产品选型（非技术维度） → 如"选哪个 CRM 系统"（业务功能优先）

用户调研/需求验证 → 需要人工访谈

纯业务决策（定价、市场进入） → 需要业务输入

紧急故障排查 → 使用调试/排障技能

单纯查文档/API 用法 → 直接 web_search / web_fetch 即可

边界模糊处理：如用户问题同时包含技术和商业维度，先完成技术调研部分，明确说明"商业维度建议用 market-research 技能补充"。

---

核心设计：Multi-Source Evidence Orchestration

本技能不是 simple web search aggregation，而是多源证据编排与仲裁。

7 个 Source Lanes

| Lane | 作用 | 输出 | 工具/来源示例 | |------|------|------|---------------| | official-docs | 官方声明的能力、API、限制 | 功能清单、版本信息、官方基准 | 官网文档、API reference、release notes | | github | 真实代码质量、活跃度、问题 | Star 数、issue 响应、commit 频率、代码示例 | GitHub repo、issues、PRs、Actions | | clawhub | OpenClaw 生态内可用技能/工具 | 已集成技能、兼容性、使用示例 | ClawHub registry、已安装技能 | | platform-native | 直接从目标平台获取一手数据 | 原始帖子/搜索结果/互动数据/平台内趋势 | feedgrab、last30days、x-hot-topics-daily、xiaohongshu、moltbook、agent-browser（必要时） | | community-discourse | 开发者真实体验、坑、最佳实践 | 教程、博客、Reddit、StackOverflow、Discord、公开社区讨论 | 技术博客、论坛、社交媒体公开索引 | | runtime-test | 实测数据（性能、功能验证） | 基准测试结果、功能验证记录 | 本地运行测试、基准脚本 | | internal-assets | 组织内部历史经验、现有代码 | 内部文档、历史项目、现有集成 | 内部 wiki、代码库、过往报告 |

证据优先级与冲突仲裁

证据可信度（从高到低，默认）：
1. runtime-test（自己实测）
2. official-docs（官方文档）
3. platform-native（平台一手数据）
4. github（真实代码/问题追踪）
5. community-discourse（开发者经验，需交叉验证）
6. internal-assets（可能有偏见或过时）
冲突仲裁规则：
实测 vs 官方声称不一致 → 以实测为准，标注"官方声称 X，实测 Y"
平台一手数据 vs 二手社区总结冲突 → 以平台一手数据为准，标注二手解释可能失真
多个 community-discourse 来源一致 vs 单一相反意见 → 采纳多数，标注少数观点
官方文档版本 vs GitHub 最新 release 不一致 → 以 GitHub release 为准，标注文档可能过时
缺失实测数据 → 必须标注"待补核"，不得将二手信息当作实测
无法仲裁的冲突 → 并列呈现双方证据，标注"存在争议，建议实测验证"

---

标准工作流

1. 范围界定 → 2. 候选生成 → 3. 多源采证 → 4. 实测 → 5. 评分 → 6. 结论

1. 范围界定（Scoping）

明确业务场景、约束条件、成功标准

确定评估范围（必须有的功能、可选功能、排除条件）

输出：调研范围文档

2. 候选生成（Candidate Generation）

从各 source lanes 收集候选方案

初步筛选（排除明显不满足约束的）

输出：候选方案清单（3-5 个为宜）

候选锁定：清单确定后不得随意扩展，如确需增加需记录理由

3. 多源采证（Evidence Collection）

并行从 7 个 lanes 采集证据

统一证据 schema（见 references/evidence-schema.md）

输出：证据矩阵

强制 source routing（必须遵守）：

涉及 X/Twitter → 必须优先使用 feedgrab，趋势补充用 last30days / x-hot-topics-daily，必要时再用 agent-browser 页面验证

涉及 小红书 → 必须优先使用 xiaohongshu skill，补充用 feedgrab

涉及 GitHub → 必须优先使用 GitHub/gh CLI 数据，再补社区口碑

涉及 ClawHub → 必须优先使用 registry / 已安装技能 / skill metadata

涉及 Moltbook → 必须优先使用 moltbook-global 作为平台/内部内容资产入口

降级记录要求：如上述平台原生工具不可用，必须明确记录"降级原因 + 降级到的替代方案"，不得伪装成一手数据

证据新鲜度要求：

GitHub 数据（star、issues、commits）：采集时间 ≤30 天

社区讨论/帖子：优先 ≤6 个月内容，超过 1 年需标注"可能过时"

官方文档：记录文档版本/最后更新时间

4. 实测（Runtime Validation）

对 top 2-3 候选进行关键功能/性能实测

记录测试环境、步骤、结果

输出：实测报告（如无法实测，必须明确标注"待补核"及原因）

5. 评分（Scoring）

使用 7 维评分体系（见下文）

加权计算（权重根据场景调整）

输出：评分表

权重调整记录：如偏离默认权重，需说明理由

6. 结论（Conclusion）

推荐方案 + 备选方案

风险清单 + 缓解措施

实施路径（分阶段）

输出：最终报告（见 references/report-template.md）

---

7 维评分体系

| 维度 | 说明 | 评分要点 | |------|------|----------| | 功能 | 是否满足需求 | 核心功能覆盖度、扩展性、插件生态 | | 性能 | 速度、资源消耗 | 基准测试、内存占用、并发能力 | | 开发体验 | 易用性、文档、工具链 | API 设计、文档质量、调试工具、错误信息 | | 成本 | 直接 + 间接成本 | License 费用、云资源成本、学习成本、维护人力 | | 集成难度 | 与现有系统集成 | API 兼容性、依赖复杂度、迁移成本 | | 安全性 | 安全记录、实践 | 漏洞历史、安全特性、合规性 | | 长期维护 | 可持续性 | 社区活跃度、背后组织、版本更新频率、向后兼容 |

评分方法：每个维度 1-5 分，可根据场景设置权重。详细评分标准见 references/scoring-rubric.md。

参考权重（根据场景选择）：

内部工具（效率优先）：功能 20% / 性能 10% / 开发体验 25% / 成本 15% / 集成 15% / 安全 5% / 维护 10%

对外产品（质量优先）：功能 25% / 性能 20% / 开发体验 10% / 成本 10% / 集成 10% / 安全 15% / 维护 10%

创业 MVP（速度优先）：功能 30% / 性能 10% / 开发体验 20% / 成本 20% / 集成 10% / 安全 5% / 维护 5%

企业核心系统（稳定优先）：功能 15% / 性能 15% / 开发体验 10% / 成本 10% / 集成 15% / 安全 20% / 维护 15%

---

输出要求

核心章节（8 部分，缺一不可）

1. 候选方案清单：3-5 个候选，简述各自特点 2. 证据矩阵：各方案在各 source lane 的证据摘要 3. 7 维度对比表：结构化评分 4. 推荐方案：明确推荐 + 理由 5. 备选方案：次优选择 + 适用场景 6. 风险清单：已知风险 + 缓解措施 7. 实施路径：分阶段实施建议（PoC → 试点 → 推广） 8. 引用/证据清单：所有引用来源的完整列表

强制检查清单（发布前必须完成）

Source Coverage Checklist（必须全部满足）：

[ ] 每个候选方案至少 5 条证据

[ ] 证据覆盖至少 4 个 source lanes

[ ] platform-native lane 已尝试（如不可用需记录降级原因）

[ ] GitHub 数据已采集（star/issues/commits）

[ ] 实测状态已明确（已完成 或 标注"待补核"及原因）

[ ] 无单一来源结论（关键结论需≥2 个独立来源支持）

报告质量 Checklist：

[ ] 8 个核心章节完整

[ ] 7 维度评分有证据支持（每个评分附证据 ID）

[ ] 推荐方案理由清晰（≤3 条核心理由）

[ ] 风险清单具体可操作（至少 3 条风险）

[ ] 实施路径有明确里程碑和成功标准

[ ] 所有引用来源可追溯（有 URL 或路径）

[ ] 证据新鲜度符合要求（GitHub≤30 天，社区≤6 个月优先）

报告模板：见 references/report-template.md（必须使用该模板）

---

Guardrails（红线）

必须遵守（违反=报告不合格）

❌ 禁止单一来源：不得仅基于单一来源（尤其是营销文案）下结论

❌ 禁止抄袭营销文案：官方营销内容必须经第三方或实测验证

❌ 禁止缺失实测不标注：如无实测数据，必须明确标注"待补核"及原因

❌ 禁止伪装 platform-native：如无法使用平台原生工具，必须记录降级原因

✅ 必须多源交叉验证：关键结论需至少 2 个独立来源支持

✅ 必须标注证据等级：每个结论需标注证据来源和可信度

✅ 必须说明适用场景：推荐方案需明确"在 X 场景下推荐，因为 Y"

✅ 必须完成 coverage checklist：发布前逐项勾选确认

常见陷阱

| 陷阱 | 表现 | 避免方法 | |------|------|----------| | 最新即最好 | 盲目追求最新技术 | 评估成熟度、社区支持、长期维护 | | 大厂即靠谱 | 仅因背后是大厂就推荐 | 独立评估产品本身，大厂也可能砍项目 | | Star 数即质量 | 仅看 GitHub Star | 看 issue 响应、commit 频率、代码质量 | | 基准测试即真实 | 盲目相信官方基准 | 自己在相似环境复现或找第三方基准 | | 个人经验即普适 | 将单一项目经验泛化 | 明确说明经验边界，找更多案例验证 | | 范围蔓延 | 调研中不断扩展候选 | 候选锁定后变更需记录理由 |

---

适用与不适用场景

✅ 适用场景

技术选型决策（框架、库、工具、服务）

架构方案对比（单体 vs 微服务、同步 vs 异步）

新技术评估（是否引入团队）

技术债务分析（是否重构/替换）

供应商技术评估（SaaS、API 服务的技术可行性）

❌ 不适用场景

市场规模估算 → 使用 market-research 技能

竞品商业分析 → 使用 market-research 技能

用户调研/需求验证 → 需要人工访谈

纯业务决策（定价、市场进入） → 需要业务输入

紧急故障排查 → 使用调试/排障技能

单纯查文档/API 用法 → 直接 web_search / web_fetch

---

与 ClawHub 技能的关系

本技能是编排型技能，不是某个单技能的薄包装。

可能调用的工具/技能（根据场景选择，非硬依赖）：

web_search / web_fetch / multi-search-engine：通用搜索

agent-browser / playwright-mcp：浏览器自动化实测

github（gh CLI）：GitHub 数据采集

feedgrab / xiaohongshu / x-hot-topics-daily / moltbook-global：平台原生数据

其他 ClawHub 技能：如已集成相关工具

原则：source-first / tool-first 兼容，不硬依赖某个具体技能名。如某工具不可用，降级到其他来源并记录原因。

---

快速开始

# 触发示例（自然语言）
"调研浏览器自动化方案，对比 Playwright、Stagehand、agent-browser"
"我们该用 Express 还是 Fastify？需要性能对比"
"评估一下用 Supabase 替代自建后端的可行性"

预期输出：

10 分钟内：初步候选清单 + 证据矩阵

30 分钟内：完整报告（含评分和推荐）

如需实测：标注实测计划 + 初步结论（实测后更新）

---

References

详细模板和标准见：

references/evidence-schema.md：统一证据 schema

references/report-template.md：报告模板（必须使用）

references/workflow.md：详细工作流

references/scoring-rubric.md：评分标准

---

版本历史

0.3.0（2026-03-30）：结构性改进 — 新增强制性 source coverage gate、重构 platform-native lane 为"必须优先"、明确触发边界排除项、增加证据新鲜度要求、统一清理重复内容

0.2.0（2026-03-29）：方向性优化 — 完善 7 源编排框架、冲突仲裁规则、评分体系

0.1.0（2026-03-29）：初版 — 核心框架 + 工作流 + 评分体系