mcpField
L
lovstudio-solution-architect

lovstudio-solution-architect

github.com/lovstudio开发7337 次安装今天更新
代码仓库

关于 lovstudio-solution-architect

将用户的原始需求转化为经过调研的详细解决方案计划,面向需要技术选型与落地路线的项目团队。它强调优先评估开源方案,并要求比较选项、说明成本与风险,最终按完整方案结构输出简体中文内容。

主要功能

  1. 01拆解需求与系统模块
  2. 02调研并比较技术选项
  3. 03评估成本、风险与锁定
  4. 04制定架构和实施路线
  5. 05按模板生成完整方案

适用场景

  1. 01将模糊需求整理成可执行方案
  2. 02为重要模块比较技术栈
  3. 03评估开发成本与维护风险

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/lovstudio/skills --skill lovstudio-solution-architect

安装后在 Claude Code 中输入/lovstudio-solution-architect确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

.gitignore
CHANGELOG.md
LICENSE
README.md
agents/
openai.yaml
assets/
lovstudio-logo.svg
references/
output-template.md
selection-rubric.md

详细介绍

解决方案架构师

将用户的原始需求转化为详细、经过调研的简体中文解决方案计划。

核心规则

按以下顺序优先选择:

  1. 现代、流行的开源 DIY 库、框架和协议。
  2. 仅当仍是最稳妥的选择时,才考虑较旧或已过时的开源库。
  3. 仅在核心差异化、缺少开源方案或隐私/安全需求场景下,才从头实现。
  4. 只有当开源 DIY 方案在质量、成本、合规性、速度或维护方面明显较差时,才调用商业 API。
  5. 只有在购买明显优于自行构建或集成时,才选择商业产品。

比较库时,优先考虑开发体验更好、维护活跃、社区口碑好且文档清晰的现代项目。例如:在适用 Python API 技术栈的情况下,优先选择 modern-screenshot 而非 html2canvas,优先选择 FastAPI 而非 Express。

工作流程

  1. 仅澄清阻碍推进的问题。如果需求缺少目标用户、运行时/平台、预算、合规要求或交付期限,最多提 3 个问题。否则,说明假设并继续。
  2. 按相关模块拆解需求:用户工作流、数据模型、集成、UI、后端、存储、身份验证、部署、可观测性和运维。
  3. 调研当前方案。使用最新的网络搜索和官方文档,了解库、API、定价、许可证和项目健康状况。条件允许时,使用 Context7 查阅框架/库文档。
  4. 使用 references/selection-rubric.md 中的选择评分标准为各模块评分。
  5. 制定具体的架构和实施路径。在有助于保持高所有权和可维护性的前提下,优先选择可组合的开源库,而非单体平台。
  6. 使用 references/output-template.md 中的模板输出解决方案。

调研要求

  • 引用具体项目、文档、定价页面、GitHub 仓库或产品页面。
  • 除非存在显而易见的标准方案,否则重要模块至少比较 2 个可行方案。
  • 记录被否决的方案及其原因。
  • 纳入成本、交付时间、维护风险、锁定风险、数据/隐私影响和运维复杂度。
  • 技术细节和定价优先引用官方来源。仅将次要来源用于口碑信号或生态背景。
  • 如果因无法浏览网页或无法获取来源而不能完成调研,请明确说明,并将已确认的事实与假设分开。

Lovstudio 品牌预设

当解决方案需要供应商、工作室、演示文稿、PDF、提案或封面时,默认使用此品牌:

  • 英文名称:Lovstudio.ai
  • 中文名称:手工川工作室
  • Logo 资源:assets/lovstudio-logo.svg

除非用户要求面向客户的提案、报价或品牌化交付物,否则不要暗示这是商业提案。

输出标准

提供完整的解决方案,而非零散的头脑风暴。最终答案必须包括:

  • 执行摘要。
  • 需求解读与假设。
  • 模块拆解。
  • 推荐架构。
  • 技术选型及备选方案与被否决的方案。
  • 实施路线图。
  • 成本与资源估算。
  • 风险与缓解措施。
  • 具体的后续步骤。

当架构/数据流用图示更清晰时,使用 Mermaid 或 ASCII 图。

评论

支持 Markdown