docs: audit reports + feature docs + skills + admin-v2 + config sync
Some checks failed
CI / Lint & TypeCheck (push) Has been cancelled
CI / Unit Tests (push) Has been cancelled
CI / Build Frontend (push) Has been cancelled
CI / Rust Check (push) Has been cancelled
CI / Security Scan (push) Has been cancelled
CI / E2E Tests (push) Has been cancelled

Update audit tracker, roadmap, architecture docs,
add admin-v2 Roles page + Billing tests,
sync CLAUDE.md, Cargo.toml, docker-compose.yml,
add deep-research / frontend-design / chart-visualization skills

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>
This commit is contained in:
iven
2026-04-02 19:25:00 +08:00
parent 28299807b6
commit 8898bb399e
48 changed files with 7388 additions and 173 deletions

View File

@@ -0,0 +1,130 @@
---
name: chart-visualization
description: 智能图表可视化 — 从26种图表类型中选择最合适的方案将数据转化为专业图表。支持时间序列、对比分析、占比分析、关系流向、地图等多种场景。
triggers:
- "画图表"
- "可视化"
- "生成图表"
- "数据图表"
- "折线图"
- "柱状图"
- "饼图"
- "散点图"
- "趋势图"
- "数据展示"
tools:
- bash
- read
- write
---
# 图表可视化技能
智能选择最合适的图表类型26种可选将数据转化为专业图表。
## 图表类型选择指南
### 时间序列
- `line_chart` — 趋势展示
- `area_chart` — 累计趋势
- `dual_axes_chart` — 双Y轴对比
### 对比分析
- `bar_chart` — 分类横向对比
- `column_chart` — 分类纵向对比
- `histogram_chart` — 频率分布
### 占比分析
- `pie_chart` — 各部分占比
- `treemap_chart` — 层级占比
### 关系与流向
- `scatter_chart` — 相关性分析
- `sankey_chart` — 流向展示
- `venn_chart` — 重叠关系
### 专业图表
- `radar_chart` — 多维对比
- `funnel_chart` — 转化漏斗
- `liquid_chart` — 进度/百分比
- `word_cloud_chart` — 词频展示
- `boxplot_chart` — 统计分布
- `heatmap_chart` — 热力矩阵
## 工作流
### 1. 分析数据特征
识别用户数据的特征,匹配最佳图表类型:
- 有时间维度?→ 时间序列类
- 需要比较分类?→ 对比分析类
- 展示整体中的部分?→ 占比分析类
- 展示关联或流向?→ 关系与流向类
- 多维评估?→ 雷达图
- 转化过程?→ 漏斗图
### 2. 提取数据参数
从用户描述中提取:
- **数据源**: CSV/JSON/Markdown 表格/纯文本数据
- **X轴维度**: 分类或时间字段
- **Y轴指标**: 数值字段
- **分组**: 是否需要多系列
- **标题**: 图表标题
- **标注**: 是否需要数据标注
### 3. 生成图表
使用 Pythonmatplotlib/plotly或 Node.js 生成图表:
```python
# Python 示例 (matplotlib)
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.sans-serif'] = ['SimHei'] # 中文字体
matplotlib.rcParams['axes.unicode_minus'] = False
fig, ax = plt.subplots(figsize=(10, 6))
# ... 绑定数据和图表类型
plt.savefig(output_path, dpi=150, bbox_inches='tight')
```
### 4. 输出规范
- 格式: PNG (默认) / SVG (矢量图)
- 分辨率: 150 DPI (标准) / 300 DPI (印刷)
- 尺寸: 10x6 (标准) / 16x9 (演示)
- 中文字体: 自动配置 SimHei / PingFang SC
## 样式指南
### 配色方案
- **商务**: 蓝色系 (#1890ff, #2fc25b, #facc14)
- **清新**: 绿色系 (#52c41a, #73d13d, #95de64)
- **科技**: 深色背景 + 霓虹色
- **学术**: 灰度 + 单色强调
### 图表元素
- 标题: 简洁明了,描述数据含义
- 轴标签: 包含单位
- 图例: 仅在多系列时显示
- 数据标注: 关键数据点标注具体数值
- 网格: 轻量网格辅助阅读
## 常见场景
| 场景 | 推荐图表 | 说明 |
|------|---------|------|
| 月度销售趋势 | 折线图 | X轴月份Y轴销售额 |
| 产品销量对比 | 柱状图 | X轴产品名Y轴销量 |
| 市场份额分布 | 饼图 | 各品牌占比 |
| 用户画像多维对比 | 雷达图 | 多维评分对比 |
| 转化率分析 | 漏斗图 | 各步骤转化率 |
| 相关性分析 | 散点图 | 两个变量的关系 |
## 输出
1. 图表图片文件PNG/SVG
2. 图表数据摘要Markdown表格
3. 关键发现2-3句话描述数据洞察

View File

@@ -0,0 +1,145 @@
---
name: consulting-analysis
description: 咨询级研究报告生成 — 麦肯锡/BCG 标准的结构化分析框架与深度报告。涵盖市场分析、品牌战略、财务分析、行业研究、竞争情报等领域。
triggers:
- "研究报告"
- "市场分析"
- "行业研究"
- "竞争分析"
- "品牌分析"
- "消费者洞察"
- "投资分析"
- "咨询报告"
- "战略分析"
- "深度分析报告"
tools:
- web_fetch
- read
- write
- bash
---
# 咨询级研究报告技能
生成专业咨询级研究报告Markdown格式涵盖市场分析、消费者洞察、品牌战略、财务分析、行业研究、竞争情报、投资研究等领域。
## 数据真实性协议
**严格规则**: 报告中的所有数据必须直接来源于提供的**数据摘要**或**外部搜索结果**。
- **禁止编造**: 不发明、估算或模拟数据。数据缺失时注明"数据不可用"
- **可追溯来源**: 每个主要论点和图表必须可追溯到输入数据
## 两阶段工作流
### Phase 1: 分析框架生成
给定研究主题,产出完整的分析框架:
1. **理解研究主题** — 识别核心实体和分析领域
2. **选择分析框架** — 从工具箱中选择 2-4 个互补框架
#### 可用分析框架
**战略与环境分析**:
- SWOT、PEST/PESTEL、波特五力、VRIO
**市场与增长分析**:
- STP、BCG矩阵、安索夫矩阵、TAM-SAM-SOM、产品生命周期
**消费者与行为分析**:
- 消费者决策旅程、AARRR漏斗、RFM模型、JTBD
**财务与估值分析**:
- 杜邦分析、DCF、可比公司分析、EVA
**竞争与战略定位**:
- 基准分析、战略群体图、价值链分析、蓝海战略
3. **设计章节骨架** — 每章包含分析目标、分析逻辑、核心假设
4. **定义数据查询需求** — 每章明确需收集的数据指标
5. **定义可视化计划** — 图表类型、数据映射、对比表设计
### Phase 2: 报告生成
收到分析框架和数据包后,合成最终报告:
1. **验证输入** — 确认所有P0数据可用
2. **映射报告结构** — 摘要→引言→正文→结论→参考文献
3. **生成本文** — 每个子章节遵循"视觉锚点→数据对比→综合分析"流程
#### 每个子章节必须包含:
1. **视觉证据块**: 嵌入图表
2. **数据对比表**: 关键指标的Markdown对比表
3. **综合叙述分析**: "是什么→为什么→意味着什么"最少200字
## 格式与风格标准
### 咨询语气
- **风格**: 麦肯锡/BCG — 权威、客观、专业
- **数字格式**: 使用英文逗号分隔千位(`1,000` 而非 `1000`
- **重点强调**: **加粗**重要观点和关键数字
### 标题约束
- 使用标准编号(`1.``1.1`)直接跟标题
- 禁止使用"章"、"部分"等前缀
### 参考文献格式
- 内联: 使用Markdown链接 `[来源标题](URL)`
- 参考文献列表: 严格遵循 **GB/T 7714-2015** 格式
## 报告模板
```markdown
# [报告标题]
## 摘要
[关键发现的执行摘要]
## 1. 引言
[背景、目标、方法论]
## 2. [正文章节标题]
### 2.1 [子章节标题]
![图表描述](图表文件路径)
| 指标 | 项目A | 项目B |
|------|-------|-------|
| ... | ... | ... |
[综合叙述分析是什么→为什么→意味着什么最少200字]
## N+1. 结论
[客观综合,散文形式,无项目符号]
## N+2. 参考文献
[1] 作者. 标题[EB/OL]. URL, 日期.
```
## 洞察深度要求
每个洞察必须连接 **数据→用户心理→战略含义**
```
❌ 差: "女性占60%。策略:针对女性。"
✅ 好: "女性占60%TGI高达180。这表明购买决策由审美和社交认同驱动
而非纯粹实用性。因此,营销支出应转向视觉密集型平台(如小红书/Instagram
将男性受众仅作为次要的礼品购买群体。"
```
## 质量检查清单
### Phase 1 检查
- [ ] 框架覆盖该领域的所有自然分析维度
- [ ] 每章有明确的选题、逻辑和假设
- [ ] 数据需求具体、可衡量,包含搜索关键词
- [ ] 每章至少有一个可视化计划
### Phase 2 检查
- [ ] **零幻觉**: 所有数字和图表可追溯至输入数据
- [ ] 所有章节按正确顺序存在
- [ ] 每个子章节遵循"视觉锚点→数据对比→综合分析"
- [ ] 每个子章节以至少200字的分析段落结尾
- [ ] 结论使用散文形式,无项目符号
- [ ] 参考文献遵循 GB/T 7714-2015

View File

@@ -0,0 +1,116 @@
---
name: deep-research
description: 系统化深度网络研究 — 多角度、多轮次的研究方法论,替代单次搜索。当用户需要深入理解某个主题、进行对比分析、或在内容生成前收集充分信息时使用。
triggers:
- "深入研究"
- "深度调研"
- "调研"
- "全面分析"
- "系统研究"
- "多角度分析"
- "收集资料"
- "研究一下"
- "详细了解"
- "对比分析"
tools:
- web_fetch
- bash
---
# 深度研究技能
系统化的多轮网络研究方法论。在内容生成前加载本技能,确保从多个角度、多个深度、多个来源收集充分信息。
## 核心原则
**绝不能仅凭通用知识生成内容。** 输出质量直接取决于前期研究的质量和数量。单次搜索永远不够。
## 研究方法论
### Phase 1: 广泛探索
从广泛搜索开始理解全局:
1. **初步调研**: 搜索主题全貌
2. **识别维度**: 从初始结果中识别需要深入探索的子主题和角度
3. **绘制版图**: 记录不同的观点、立场和利益相关者
### Phase 2: 深度挖掘
对每个重要维度进行针对性研究:
1. **精确查询**: 使用精确关键词搜索每个子主题
2. **多种措辞**: 尝试不同的关键词组合
3. **读取全文**: 使用 `web_fetch` 阅读重要来源的完整内容
4. **追踪引用**: 当来源提及其他重要资源时,继续追踪搜索
### Phase 3: 多样性与验证
确保覆盖多样的信息类型:
| 信息类型 | 目的 | 搜索示例 |
|---------|------|---------|
| 事实与数据 | 具体证据 | "统计数据"、"市场规模"、"数据" |
| 案例与实例 | 实际应用 | "案例分析"、"实际案例"、"实施经验" |
| 专家观点 | 权威视角 | "专家分析"、"行业评论"、"专家访谈" |
| 趋势与预测 | 未来方向 | "趋势"、"预测"、"前景" |
| 对比分析 | 上下文和替代方案 | "对比"、"区别"、"替代方案" |
| 挑战与批评 | 平衡视角 | "挑战"、"局限性"、"批评" |
### Phase 4: 综合检查
在生成内容前确认:
- [ ] 是否从至少 3-5 个不同角度进行了搜索?
- [ ] 是否阅读了最重要来源的完整内容?
- [ ] 是否拥有具体数据、案例和专家观点?
- [ ] 是否探索了正面和挑战/局限性两个方面?
- [ ] 信息是否来自权威来源且为最新?
**如果任何答案为否,继续研究。**
## 搜索策略
### 有效查询模式
```
# 带上下文的具体查询
❌ "AI趋势"
✅ "企业AI采用趋势 2025"
# 包含权威来源提示
"[主题] 研究报告"
"[主题] 行业分析"
"[主题] 白皮书"
# 搜索特定内容类型
"[主题] 案例分析"
"[主题] 统计数据"
"[主题] 专家观点"
```
### 何时使用 web_fetch
- 搜索结果高度相关且权威
- 需要摘要之外的详细信息
- 来源包含数据、案例研究或专家分析
## 输出
完成研究后,你应该具备:
1. 从多个角度对主题的全面理解
2. 具体事实、数据点和统计数据
3. 真实案例和案例研究
4. 专家观点和权威来源
5. 当前趋势和相关背景
**只有在研究充分之后,才开始内容生成。**
## 常见错误
- 1-2 次搜索后就停止
- 仅依赖搜索摘要而不阅读完整来源
- 只搜索多面主题的一个方面
- 忽略矛盾观点或挑战
- 使用过时信息
- 研究未完成就开始内容生成

View File

@@ -0,0 +1,119 @@
---
name: frontend-design
description: 前端界面设计生成 — 创作独特、生产级的前端界面。避免通用 AI 审美,追求大胆、令人印象深刻的设计风格。支持组件、页面、仪表盘、落地页等各类 Web UI。
triggers:
- "设计页面"
- "前端设计"
- "UI设计"
- "创建界面"
- "设计组件"
- "网页设计"
- "落地页"
- "仪表盘设计"
- "美化界面"
- "制作网页"
tools:
- read
- write
- bash
---
# 前端设计技能
创作独特、生产级的前端界面,避免通用的"AI味"审美,追求令人印象深刻的真实设计。
## 设计思维流程
在编码之前,先理解上下文并确定**大胆的美学方向**
### 1. 分析需求
- **目的**: 界面解决什么问题?谁在使用?
- **基调**: 选择一个极端方向:
- 极简主义
- 赛博朋克
- 复古未来
- 自然有机
- 奢华精致
- 玩具趣味
- 编辑杂志风
- 粗野主义
- Art Deco
- 柔和马卡龙
- 工业实用
- **约束**: 技术要求(框架、性能、可访问性)
- **差异化**: 什么让这个设计**令人难忘**
### 2. 选择技术栈
| 场景 | 推荐技术 |
|------|---------|
| 单页面/组件 | HTML + Tailwind CSS |
| 交互应用 | React + Tailwind CSS |
| 数据仪表盘 | React + Recharts/D3 |
| 动画丰富 | HTML + GSAP/Framer Motion |
| 静态展示 | 纯 HTML/CSS/JS |
### 3. 设计执行原则
- **生产级质量**: 代码可直接用于生产
- **视觉冲击力**: 令人过目不忘
- **美学一致性**: 清晰的设计观点
- **细节精致**: 每个像素都经过思考
## 输出规范
**强制要求**: 入口 HTML 文件必须命名为 `index.html`
### 文件结构
```
output/
├── index.html # 入口文件
├── styles.css # 样式文件(可选)
└── script.js # 脚本文件(可选)
```
### 质量标准
1. **布局**: 清晰的视觉层次,合理的间距和对齐
2. **色彩**: 大胆但不混乱,有明确的色彩策略
3. **排版**: 字体选择与主题一致,字号层次分明
4. **交互**: 悬停效果、过渡动画、状态反馈
5. **响应式**: 适配桌面和移动端
6. **可访问性**: 合理的对比度、语义化HTML、ARIA标签
## 常见设计模式
### 落地页
```
Hero区域 → 特性展示 → 社会证明 → CTA → Footer
```
### 仪表盘
```
顶部导航 → 侧边栏 → 数据卡片 → 图表区 → 数据表格
```
### 博客/内容
```
导航 → 文章列表/详情 → 侧边栏 → 评论 → Footer
```
## 反模式(避免)
- 通用渐变背景 + 居中标题(太平庸)
- 过度使用阴影和圆角(失去个性)
- 全白背景 + 蓝色按钮(默认 Bootstrap 味)
- 堆砌动画(干扰内容)
- 不考虑实际内容的占位符设计
## 示例输出
当用户说"设计一个 AI 产品落地页"时:
1. 确定美学方向(如:深色科技风 + 霓虹强调色)
2. 选择技术栈HTML + Tailwind CDN
3. 构建完整页面Hero + 特性 + 演示 + CTA
4. 包含实际内容和有意义的交互
5. 输出可直接在浏览器打开的 `index.html`

View File

@@ -0,0 +1,146 @@
---
name: github-deep-research
description: GitHub 仓库深度研究 — 多轮研究结合 GitHub API、Web搜索和内容抓取产出包含执行摘要、时间线、指标分析和架构图的全面分析报告。
triggers:
- "分析仓库"
- "研究这个项目"
- "GitHub分析"
- "开源项目分析"
- "仓库调研"
- "项目深度研究"
tools:
- web_fetch
- bash
- read
- write
---
# GitHub 深度研究技能
多轮研究结合 GitHub API、Web 搜索和内容抓取,产出全面的 Markdown 分析报告。
## 研究工作流
### Round 1: GitHub API 基础数据
通过 GitHub API 获取核心指标:
```bash
# 仓库基本信息
curl -s "https://api.github.com/repos/{owner}/{repo}"
# Star 历史(需 token
# 贡献者
curl -s "https://api.github.com/repos/{owner}/{repo}/contributors?per_page=30"
# 最近提交
curl -s "https://api.github.com/repos/{owner}/{repo}/commits?per_page=30"
# Issues 和 PR 统计
curl -s "https://api.github.com/repos/{owner}/{repo}/issues?state=all&per_page=30"
```
提取指标:
- Star/Fork/Watch 数量及趋势
- 贡献者数量和活跃度
- 提交频率和最近活动
- Issue 解决速度
- 语言分布
- License 类型
### Round 2: 发现与概览
通过 Web 搜索了解项目全貌:
```
搜索关键词:
- "{project} overview"
- "{project} architecture"
- "{project} 使用教程"
- "{project} vs alternatives"
```
### Round 3: 深度调查
针对关键问题深入研究:
```
搜索关键词:
- "{project} 性能测试"
- "{project} 生产环境"
- "{project} known issues"
- "{project} roadmap"
```
### Round 4: 深度分析
综合所有信息,产出最终报告。
## 报告模板
```markdown
# {项目名称} 深度研究报告
## 执行摘要
[3-5 句话概括项目定位、成熟度和建议]
## 1. 项目概览
- 定位与目标
- 核心功能
- 技术栈
## 2. 关键指标
| 指标 | 数值 | 说明 |
|------|------|------|
| Stars | XX | 增长趋势 |
| Forks | XX | 社区分支活跃度 |
| Contributors | XX | 核心贡献者数量 |
| Last Commit | XX | 项目活跃度 |
| License | XX | 开源许可 |
## 3. 架构分析
[目录结构、核心模块、依赖关系]
## 4. 社区与生态
[贡献者分析、Issue 处理效率、生态系统]
## 5. 发展时间线
[关键版本和里程碑的 Mermaid 时间线图]
## 6. 竞品对比
[与同类项目的功能/性能/生态对比表]
## 7. 风险与建议
[技术风险、社区风险、使用建议]
```
## Mermaid 图表
报告中可使用 Mermaid 语法嵌入:
**时间线图**:
```mermaid
timeline
title 项目发展时间线
2024-Q1 : v1.0 发布
2024-Q2 : 获得 1000 Stars
2024-Q3 : v2.0 架构重构
```
**架构图**:
```mermaid
graph TB
A[核心模块] --> B[插件系统]
A --> C[API层]
B --> D[扩展1]
B --> E[扩展2]
```
## 输出
1. 完整的 Markdown 分析报告
2. 关键指标汇总表
3. 架构图Mermaid
4. 发展时间线
5. 客观的风险评估和使用建议