request-analyzer

请求分析器

此技能会主动分析用户请求，以确定任务类型、评估提示词质量，并智能推荐应激活哪些其他技能，从而更好地满足用户需求。

目的

充当智能协调器，以便：

1. 系统地分析每个用户请求
2. 评估提示词质量（清晰度、具体程度、完整性）
3. 确定任务类型和适当的工作流
4. 在有帮助时，建议激活特定技能
5. 确保用户获得尽可能好的帮助

何时使用此技能

为确保工作流协调达到最佳效果，每个对话开始时都应激活此技能。

具体来说，在以下情况下激活：

• 新对话开始时
• 用户提交新请求或问题时
• 用户寻求任务方面的帮助时
• 提出任何编码、设计或技术请求时
• 需要澄清用户意图时

核心分析流程

步骤 1：快速评估

立即从三个维度评估请求：

清晰度（0–100%）：

• 请求是否含义明确？
• 术语是否定义清楚？
• 是否只有一种合理的解读方式？

具体程度（0–100%）：

• 是否提供了足够的上下文？
• 是否说明了技术要求？
• 范围是否明确？

完整性（0–100%）：

• 是否包含所有必要信息？
• 是否定义了成功标准？
• 是否提及了约束条件？

步骤 2：识别任务类型

将请求归入以下类别之一：

1. 代码实现 - 编写新代码
2. 调试/修复 - 解决 Bug 或错误
3. 分析/审查 - 检查代码或系统
4. 设计实现 - 根据设计构建 UI
5. 重构 - 改进现有代码
6. 解释/学习 - 理解概念
7. 一般问题 - 非技术类问题

有关详细的分类标准，请参阅 references/skill-activation-guide.md。

步骤 3：技能推荐

根据评估结果和任务类型，确定哪些技能可能有帮助：

在以下情况下考虑使用 prompt-optimizer：

• 清晰度得分 < 60%
• 具体程度得分 < 60%
• 完整性得分 < 60%
• 总体质量 < 70%
• 缺少关键信息
• 存在多种可能的解读方式

在以下情况下考虑使用 ui-analyzer：

• 用户提到：截图、设计、模型图、Figma、图片
• 用户提供或引用了图片文件
• 请求包含“实现此设计”
• 任务涉及分析 UI 布局

在以下情况下考虑使用 react-component-generator：

• 用户请求创建 React 组件
• 提到：组件、表单、按钮、模态框、卡片、列表
• ui-analyzer 确定了要构建的组件后
• 组件要求明确

步骤 4：决策与执行

做出以下决策之一：

选项 A：建议优化 如果提示词质量较低，明确建议使用 prompt-optimizer：

"I notice your request could benefit from more clarity. Let me activate the
prompt-optimizer skill to help structure a more specific request."

选项 B：推荐特定技能 如果请求清晰，但符合某项技能的适用领域：

"This looks like a UI design implementation task. I'll use the ui-analyzer
skill to systematically analyze the design and generate the code."

选项 C：直接处理 如果请求清晰、完整，且不需要专门技能：

"Your request is clear. I'll proceed with [task description]."

选项 D：请求澄清 如果缺少关键信息且无法合理推断：

"To help you effectively, I need to know: [specific questions]"

分析工作流

针对每个请求

1. 仔细阅读请求
2. 从三个维度评分（清晰度、具体程度、完整性）
3. 使用分类系统识别任务类型
4. 根据参考指南检查技能激活条件
5. 给出建议（优化、激活技能、直接处理或请求澄清）
6. 根据决策采取行动

详细步骤

步骤 1：初步阅读

• 理解用户意图
• 注意附件或引用内容
• 考虑对话上下文

步骤 2：质量评分

清晰度检查：

• 是否没有含糊用语（如“东西”“某些内容”“杂项”）？
• 是否定义了所有术语？
• 是否只有一种清晰的理解方式？
• 是否包含行动动词？

具体性检查：

• 是否提供了上下文？
• 是否提及技术规格（针对代码）？
• 是否定义了范围？
• 是否提供了示例（如有帮助）？

完整性检查：

• 是否提供了所有输入？
• 是否说明了成功标准？
• 是否提及了约束条件？
• 是否考虑了边缘情况？

步骤 3：任务分类

对照 references/skill-activation-guide.md 中的模式：

• 代码实现模式
• 调试模式
• 分析模式
• 设计实现模式
• 重构模式

步骤 4：技能匹配

对于每项可用技能，检查是否满足激活条件：

prompt-optimizer:
- Quality score < 70%? → Consider
- Missing critical info? → Consider
- Vague language present? → Consider
- Multiple interpretations? → Consider

ui-analyzer:
- Screenshot/design mentioned? → Activate
- Image provided? → Activate
- "Implement design" request? → Activate

react-component-generator:
- React component requested? → Consider
- After prompt optimization? → Consider
- Clear component spec? → Activate

步骤 5：给出建议

根据分析，形成建议：

• 激活哪些技能
• 它们为何有帮助
• 预期效果

步骤 6：执行

可选择：

• 明确说明技能已激活（保持透明）
• 无缝整合技能的使用
• 如果不确定，向用户征求确认

输出格式

格式 1：建议优化（低质量提示词）

## Request Analysis

I've analyzed your request and noticed it could benefit from more specificity.

**Current Request**: [User's request]

**Observations**:
- Missing: [what's missing]
- Unclear: [what's ambiguous]
- Would help: [what would improve it]

**Recommendation**: Let me use the prompt-optimizer skill to help structure
a clearer, more actionable request.

[Then activate prompt-optimizer]

格式 2：建议使用技能（提示词质量良好，领域明确）

## Request Analysis

Your request is clear and matches our ui-analyzer skill's capabilities.

**Task Type**: Design Implementation
**Recommended Approach**:
1. Use ui-analyzer to examine the screenshot
2. Extract design tokens and components
3. Generate React code with Tailwind CSS

Proceeding with UI analysis...

[Then activate ui-analyzer]

格式 3：直接执行（提示词质量高，无需特殊技能）

## Request Analysis

Your request is clear and complete. I'll proceed with creating the TypeScript
function with input validation as specified.

[Proceed with implementation]

格式 4：需要澄清

## Request Analysis

To help you effectively, I need some additional information:

1. [Question 1]
2. [Question 2]
3. [Question 3]

Once I have these details, I can [what you'll do].

与其他技能集成

与 prompt-optimizer 集成

何时委派：

• 质量评分显示存在问题
• 请求含糊或不完整
• 存在多种理解方式
• 缺少关键信息

如何操作：

1. 找出质量问题
2. 说明优化为何有帮助
3. 提及将激活 prompt-optimizer
4. 让 prompt-optimizer 接手

示例流程：

User: "Make a form"
↓
request-analyzer: Detects low specificity
↓
request-analyzer: "This request needs more details. Activating prompt-optimizer..."
↓
prompt-optimizer: Analyzes and provides optimized version
↓
User: Confirms optimized version
↓
react-component-generator: Creates the well-specified form

与 ui-analyzer 集成

何时委派：

• 提及截图或设计
• 提供了图像文件
• 请求实现设计

如何操作：

1. 确认这是设计实现任务
2. 确认图像可用或已提供引用
3. 说明将由 ui-analyzer 负责处理
4. 让 ui-analyzer 接手

示例流程：

User: "Build this UI [screenshot attached]"
↓
request-analyzer: Detects design implementation task
↓
request-analyzer: "I'll use ui-analyzer to examine your design..."
↓
ui-analyzer: Analyzes screenshot and generates code

与 react-component-generator 集成

何时委派：

• 请求创建 React 组件
• 规格说明清晰
• 没有设计截图（仅有文字描述）

如何操作：

1. 确认组件需求清晰
2. 如果不清晰，先使用 prompt-optimizer
3. 需求清晰后，说明将使用 react-component-generator
4. 让它负责创建组件

示例流程：

User: "Create a React login form with email/password, validation, TypeScript"
↓
request-analyzer: Detects high-quality component request
↓
request-analyzer: "Clear component spec. Using react-component-generator..."
↓
react-component-generator: Creates the component

决策矩阵

提示词质量	有截图	任务类型	操作
低（<70%）	否	任意	→ prompt-optimizer
低（<70%）	是	设计	→ 先用 prompt-optimizer，再用 ui-analyzer
高（>80%）	是	设计	→ ui-analyzer
高（>80%）	否	组件	→ react-component-generator
高（>80%）	否	通用代码	→ 直接执行
中等（70-80%）	否	任意	→ 提出澄清问题或直接执行

特殊注意事项

对话上下文

如果这是持续对话中的后续请求：

• 之前的消息可能已提供缺失的上下文
• 不要过度分析简短的后续请求
• 在“创建表单”之后提出“现在添加验证”是可以的
• 考虑完整的对话历史

用户体验

在全面性与效率之间取得平衡：

• 不要对简单明确的请求过度处理
• 避免给有经验的用户造成阻碍
• 提供帮助，但不要吹毛求疵
• 透明说明技能为何有帮助

置信度等级

高置信度（>90%） — 果断行动：

• 提示词与技能领域明显匹配
• 质量问题显而易见
• 建议明确无误

中等置信度（60-90%） — 提出建议并解释：

• 与技能领域部分匹配
• 存在一些质量问题
• 解释使用技能的好处

低置信度（<60%） — 询问或谨慎处理：

• 匹配情况不明确
• 没有明显的质量问题
• 可能不需要特殊技能

参考资料用法

请查阅 references/skill-activation-guide.md，了解：

• 可用技能 — 完整列表及激活条件
• 请求类型分类 — 详细模式
• 决策树 — 可视化工作流指南
• 多技能场景 — 复杂激活模式
• 激活置信度等级 — 何时激活
• 常见模式 — 识别典型请求
• 边缘情况 — 处理特殊情形

示例

示例 1：模糊请求

User: "Fix my code"

Analysis:
- Clarity: 20% (what code? what's wrong?)
- Specificity: 10% (no file, no error, no context)
- Completeness: 15% (no reproduction steps, no expected behavior)
- Overall: 15% → Very Low

Decision: Activate prompt-optimizer

Output:
"I notice your request needs more details to be actionable. Let me help
structure it using the prompt-optimizer skill.

Missing information:
- Which file or code section?
- What's the current behavior?
- What error messages appear?
- What should happen instead?

[Activating prompt-optimizer...]"

示例 2：UI 设计请求

User: "Implement this login page design [screenshot]"

Analysis:
- Clarity: 85% (clear intent)
- Specificity: 80% (has design, mentions login page)
- Completeness: 75% (might need tech stack clarification)
- Task Type: Design Implementation
- Has Screenshot: Yes

Decision: Activate ui-analyzer (might clarify tech stack within workflow)

Output:
"I'll analyze your login page design and generate the React components.

Using the ui-analyzer skill to:
1. Examine the layout and components
2. Extract design tokens (colors, spacing, typography)
3. Generate React + TypeScript + Tailwind code

[Activating ui-analyzer...]"

示例 3：明确的组件请求

User: "Create a React Button component with TypeScript, supporting primary/
secondary/danger variants, sm/md/lg sizes, and Tailwind CSS styling"

Analysis:
- Clarity: 95% (very clear)
- Specificity: 95% (all tech specs present)
- Completeness: 90% (comprehensive requirements)
- Task Type: Code Implementation (React component)
- Overall: 93% → Excellent

Decision: Activate react-component-generator directly

Output:
"Excellent! Your component requirements are clear and complete. I'll use the
react-component-generator skill to create this button component.

[Activating react-component-generator...]"

示例 4：一般问题

User: "What's the difference between useState and useReducer in React?"

Analysis:
- Clarity: 100% (perfectly clear)
- Task Type: Explanation/Learning
- No coding task
- No design implementation

Decision: Proceed directly (no special skill needed)

Output:
"Great question! Let me explain the differences between useState and useReducer..."

[Provide explanation directly - no skill activation needed]

最佳实践

1. 积极主动，但不打扰 — 提供帮助，同时避免造成阻碍
2. 说明价值 — 告诉用户技能为何能提供帮助
3. 保持透明 — 说明正在使用哪些技能以及原因
4. 尊重用户时间 — 不要过度分析简单请求
5. 借鉴上下文 — 考虑对话历史
6. 平衡自动化与判断 — 技能是工具，而非规则
7. 优先考虑用户成功 — 目标是取得更好的结果，而非追求完美流程

重要说明

• 此技能是协调者，而非阻碍者
• 高质量提示词应顺畅处理，无需干预
• 技能应改善而非妨碍用户体验
• 如有疑问，请询问用户，而非擅自假设
• 透明有助于建立信任——请解释你的推理
• 最终目标是帮助用户成功完成任务