tech-stack-evaluator

技术栈评估器

一套全面的评估框架，用于比较技术、框架、云服务提供商和完整技术栈。通过 TCO 分析、安全评估、生态系统健康度评分和迁移路径分析，提供数据驱动的建议。

功能

此技能提供八项全面的评估能力：

• 技术比较：对框架、语言和工具进行直接比较（React 与 Vue、PostgreSQL 与 MongoDB、Node.js 与 Python）
• 技术栈评估：针对特定用例评估完整的技术栈（实时协作、以 API 为主的 SaaS、数据密集型平台）
• 成熟度与生态系统分析：评估社区健康度、维护状态、长期可行性和生态系统实力
• 总体拥有成本（TCO）：计算综合成本，包括许可、托管、开发者生产力和扩展成本
• 安全与合规性：分析漏洞、合规准备情况（GDPR、SOC2、HIPAA）和安全态势
• 迁移路径分析：评估从旧版技术栈迁移到现代技术栈的复杂度、风险、时间安排和策略
• 云服务提供商比较：针对特定工作负载比较 AWS、Azure 和 GCP，并分析成本与功能
• 决策报告：生成全面的决策矩阵，包含优缺点、置信度评分和可执行建议

输入要求

灵活的输入格式（自动检测）

此技能会自动检测并处理多种输入格式：

文本／对话式：

"Compare React vs Vue for building a SaaS dashboard"
"Evaluate technology stack for real-time collaboration platform"
"Should we migrate from MongoDB to PostgreSQL?"

结构化（YAML）：

comparison:
  technologies:
    - name: "React"
    - name: "Vue"
  use_case: "SaaS dashboard"
  priorities:
    - "Developer productivity"
    - "Ecosystem maturity"
    - "Performance"

结构化（JSON）：

{
  "comparison": {
    "technologies": ["React", "Vue"],
    "use_case": "SaaS dashboard",
    "priorities": ["Developer productivity", "Ecosystem maturity"]
  }
}

用于生态系统分析的 URL：

• GitHub 仓库 URL（用于健康度评分）
• npm 软件包 URL（用于下载统计）
• 技术文档 URL（用于提取功能）

分析范围选择

用户可以选择要运行的分析：

• 快速比较：基本评分和比较（200-300 个 token）
• 标准分析：评分 + TCO + 安全性（500-800 个 token）
• 综合报告：所有分析，包括迁移路径（1200-1500 个 token）
• 自定义：用户选择特定部分（模块化）

输出格式

感知上下文的输出

此技能会根据环境自动调整输出：

Claude Desktop（富文本 Markdown）：

• 带颜色指示的格式化表格
• 可展开的详细分析部分
• 可视化决策矩阵
• 图表（适用时）

CLI／终端（适合终端）：

• 带 ASCII 边框的纯文本表格
• 紧凑格式
• 清晰的章节标题
• 便于复制粘贴的代码块

渐进式披露结构

执行摘要（200-300 个 token）：

• 建议摘要
• 最重要的 3 项优缺点
• 置信度（高／中／低）
• 关键决策因素

详细分析（按需提供）：

• 完整评分矩阵
• 详细的 TCO 计算
• 完整的安全分析
• 迁移复杂度评估
• 所有支持数据和计算

报告章节（用户可选）

用户可选择要包含的章节：

1. 评分与比较矩阵

   • 加权决策评分
   • 直接对比表
   • 优势与劣势

2. 财务分析

   • TCO 明细（5 年预测）
   • ROI 分析
   • 每位用户／每个请求的成本指标
   • 隐性成本识别

3. 生态系统健康状况

   • 社区规模与活跃度
   • GitHub stars、npm 下载量
   • 发布频率与维护情况
   • 问题响应时间
   • 可行性评估

4. 安全与合规

   • 漏洞数量（CVE 数据库）
   • 安全补丁频率
   • 合规准备情况（GDPR、SOC2、HIPAA）
   • 安全评分

5. 迁移分析（适用时）

   • 迁移复杂度评分
   • 代码变更估算
   • 数据迁移要求
   • 停机时间评估
   • 风险缓解策略

6. 性能基准测试

   • 吞吐量／延迟对比
   • 资源使用情况分析
   • 可扩展性特征

使用方法

基本调用

快速比较：

"Compare React vs Vue for our SaaS dashboard project"
"PostgreSQL vs MongoDB for our application"

技术栈评估：

"Evaluate technology stack for real-time collaboration platform:
Node.js, WebSockets, Redis, PostgreSQL"

TCO 分析：

"Calculate total cost of ownership for AWS vs Azure for our workload:
- 50 EC2/VM instances
- 10TB storage
- High bandwidth requirements"

安全评估：

"Analyze security posture of our current stack:
Express.js, MongoDB, JWT authentication.
Need SOC2 compliance."

迁移路径：

"Assess migration from Angular.js (1.x) to React.
Application has 50,000 lines of code, 200 components."

高级调用

自定义分析章节：

"Compare Next.js vs Nuxt.js.
Include: Ecosystem health, TCO, and performance benchmarks.
Skip: Migration analysis, compliance."

加权决策标准：

"Compare cloud providers for ML workloads.
Priorities (weighted):
- GPU availability (40%)
- Cost (30%)
- Ecosystem (20%)
- Support (10%)"

多技术比较：

"Compare: React, Vue, Svelte, Angular for enterprise SaaS.
Use case: Large team (20+ developers), complex state management.
Generate comprehensive decision matrix."

脚本

核心模块

• stack_comparator.py：采用加权评分算法的主要比较引擎
• tco_calculator.py：总拥有成本计算（许可、托管、开发者生产力、扩展）
• ecosystem_analyzer.py：社区健康评分、GitHub/npm 指标、可行性评估
• security_assessor.py：漏洞分析、合规准备情况、安全评分
• migration_analyzer.py：迁移复杂度评分、风险评估、工作量估算
• format_detector.py：自动检测输入格式（文本、YAML、JSON、URL）
• report_generator.py：基于上下文并采用渐进式呈现的报告生成

实用模块

• data_fetcher.py：从 GitHub、npm、CVE 数据库获取实时数据
• benchmark_processor.py：处理并规范化性能基准测试数据
• confidence_scorer.py：计算建议的置信度

指标与计算

1. 评分与比较指标

技术比较矩阵：

• 功能完整度（0–100 分）
• 学习曲线评估（简单／中等／困难）
• 开发者体验评分
• 文档质量（0–10 分）
• 加权总分

决策评分算法：

• 用户自定义的标准权重
• 规范化评分（0–100）
• 置信区间
• 敏感性分析

2. 财务计算

TCO 组成部分：

• 初始成本：许可、培训、迁移
• 运营成本：托管、支持、维护（月度／年度）
• 扩展成本：每位用户的成本、基础设施扩展预测
• 开发者生产力：对上市时间的影响、开发速度倍数
• 隐性成本：技术债务、供应商锁定风险

ROI 计算：

• 成本节省预测（3 年、5 年）
• 生产力提升（节省的开发者工时）
• 盈亏平衡分析
• 风险调整后的回报

单项成本指标：

• 每位用户的成本（月度／年度）
• 每个 API 请求的成本
• 每 GB 存储／传输的成本
• 每计算小时的成本

3. 成熟度与生态系统指标

健康度评分（0-100 分）：

• GitHub 指标：Star 数、Fork 数、贡献者数量、提交频率
• npm 指标：每周下载量、版本稳定性、依赖项数量
• 发布节奏：定期发布、遵循语义化版本规范
• 问题管理：响应时间、解决率、未关闭与已关闭问题的数量

社区指标：

• 活跃维护者数量
• 贡献者增长率
• Stack Overflow 问题数量
• 就业市场需求（分析招聘信息）

可行性评估：

• 企业支持力度
• 社区可持续性
• 可用替代方案
• 长期风险评分

4. 安全与合规指标

安全评分：

• CVE 数量：已知漏洞（过去 12 个月、过去 3 年）
• 严重程度分布：严重/高/中/低危漏洞数量
• 补丁频率：平均修复时间（天）
• 安全记录：历史安全态势

合规准备情况：

• GDPR：数据隐私功能、同意管理、数据可移植性
• SOC2：访问控制、加密、审计日志
• HIPAA：PHI 处理、加密标准、访问控制
• PCI-DSS：支付数据安全（如适用）

合规评分（按标准）：

• 已就绪：合规度 90-100%
• 基本就绪：70-89%（存在轻微差距）
• 部分就绪：50-69%（需要大量工作）
• 尚未就绪：<50%（存在重大差距）

5. 迁移分析指标

复杂度评分（1-10 分）：

• 代码变更：预计受影响的代码行数
• 架构影响：破坏性变更、API 兼容性
• 数据迁移：架构变更、数据转换复杂度
• 停机要求：能否实现零停机，还是需要计划停机

工作量估算：

• 开发工时（按组件划分）
• 测试工时
• 培训工时
• 总人月

风险评估：

• 技术风险：API 不兼容、性能回退
• 业务风险：停机影响、功能对等方面的差距
• 团队风险：学习曲线、技能差距
• 缓解策略：针对特定风险的建议

迁移阶段：

• 阶段 1：规划与原型设计（时间线、工作量）
• 阶段 2：核心迁移（时间线、工作量）
• 阶段 3：测试与验证（时间线、工作量）
• 阶段 4：部署与监控（时间线、工作量）

6. 性能基准指标

吞吐量/延迟：

• 每秒请求数（RPS）
• 平均响应时间（ms）
• P95/P99 延迟百分位数
• 并发用户承载能力

资源使用情况：

• 内存消耗（MB/GB）
• CPU 利用率（%）
• 存储需求
• 网络带宽

可扩展性特征：

• 水平扩展效率
• 垂直扩展上限
• 每个性能单位的成本
• 扩展拐点

最佳实践

确保评估准确

1. 明确用例：指定具体需求、约束和优先级
2. 提供完整背景：团队规模、现有技术栈、时间线、预算限制
3. 设定切合实际的优先级：在多因素决策中使用加权标准（总计 = 100%）
4. 考虑团队技能：将学习曲线和现有专业知识纳入考量
5. 着眼长远：评估未来 3-5 年的前景，而不只是眼前需求

TCO 分析

1. 涵盖所有成本构成：别忘了培训、迁移和技术债务
2. 采用切合实际的扩展预测：以实际增长指标为依据，而非一厢情愿的估计
3. 考虑开发者生产力：上市时间和开发速度是关键成本
4. 考虑隐藏成本：供应商锁定、退出成本、技术债务累积
5. 验证假设：记录所有 TCO 假设，以供审查

迁移决策

1. 首先评估风险：尽早识别阻碍因素
2. 规划渐进式迁移：尽可能避免大规模重写
3. 为关键路径构建原型：在做出承诺前测试复杂的迁移场景
4. 制定回滚计划：始终准备备用方案
5. 衡量基准性能：在迁移前建立当前指标

安全评估

1. 检查近期漏洞：关注过去 12 个月的情况，了解当前安全态势
2. 审查补丁响应时间：快速打补丁比零漏洞更重要
3. 验证合规声明：供应商的声明 ≠ 实际的合规准备情况
4. 考虑供应链：评估所有依赖项的安全性
5. 测试安全功能：不要假设功能会按文档所述正常工作

局限性

数据准确性

• 生态系统指标是特定时间点的快照（GitHub 星标数、npm 下载量变化很快）
• TCO 计算是基于所提供的假设和市场费率得出的估算
• 基准数据可能无法反映你的具体用例或配置
• 安全漏洞数量取决于公开 CVE 数据库的完整性

适用范围界限

• 行业特定要求：某些专业行业可能有标准分析未涵盖的独特约束
• 新兴技术：非常新的技术（不到 1 年）可能缺乏足够数据，无法准确评估
• 自定义/专有解决方案：没有数据时，无法评估闭源或内部工具
• 政治/组织因素：无法考虑公司内部政治、供应商关系或对遗留系统的承诺

情境局限性

• 团队技能评估：无法直接评估团队的具体技能和学习能力
• 现有架构：除非提供迁移背景，否则建议均假设为绿地开发
• 预算限制：TCO 分析会给出成本，但无法替你做出预算决策
• 时间压力：无法考虑业务截止日期和上市时间紧迫性

不适用场景

• 简单决策：在几乎相同的工具之间做选择（采用团队偏好）
• 指定解决方案：技术选型已由管理层/政策决定时
• 背景信息不足：不了解需求、优先级或约束时
• 实时生产决策：用于规划，而非紧急生产问题
• 非技术决策：业务战略、招聘、组织问题

置信度等级

该技能会为所有建议提供置信度评分：

• 高置信度（80-100%）：数据充分，有明确的优胜方案，风险低
• 中置信度（50-79%）：数据良好，存在权衡，风险适中
• 低置信度（<50%）：数据有限，难分高下，不确定性高
• 数据不足：需要更多信息才能提出建议

置信度基于：

• 数据的完整性和时效性
• 多项指标之间的一致性
• 用例需求的明确程度
• 行业成熟度和标准