메뉴
解答与开源产品有关的深度技术问题，输出图文并茂的 Markdown 技术文章。触发条件：用户提出与开源项目（如 PostgreSQL、Redis、Kafka、Kubernetes、ClickHouse、Flink 等）相关的技术问题，并提供源码目录或 URL、deepwiki repo 名称。即使用户只说"帮我解答这个开源问题"或"分析一下这个项目的某个机制"，也应使用本 skill。输出文章保存到项目 markdown/ 目录，要求直击问题、图文并茂、有实操细节和原理分析。
기본적으로 소스를 먼저 확인하는 Prompt가 선택됩니다. 직접 명령으로 전환하거나 로컬 사본을 다운로드할 수도 있습니다.
설치 여부를 결정하기 전에 SKILL.md와 SkillsMP에 표시된 보조 파일을 읽어 보세요.
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
직접 명령은 검토 Prompt를 거치지 않습니다. 실행하기 전에 소스를 확인하세요.
npx skills add https://github.com/digoal/blog --skill opensourcefaq명령은 한 줄로 유지됩니다. 복사하기 전에 가로로 스크롤해 전체 내용을 확인하세요.
로컬 사본을 원하시나요? SkillsMP에서 현재 제공할 수 있는 파일을 다운로드하세요.
SKILL.md 표시 중
| name | opensourcefaq |
| description | 解答与开源产品有关的深度技术问题，输出图文并茂的 Markdown 技术文章。触发条件：用户提出与开源项目（如 PostgreSQL、Redis、Kafka、Kubernetes、ClickHouse、Flink 等）相关的技术问题，并提供源码目录或 URL、deepwiki repo 名称。即使用户只说"帮我解答这个开源问题"或"分析一下这个项目的某个机制"，也应使用本 skill。输出文章保存到项目 markdown/ 目录，要求直击问题、图文并茂、有实操细节和原理分析。 |
深度解答开源项目技术问题，输出可发布级别的 Markdown 技术文章。
| 字段 | 说明 | 示例 |
|---|---|---|
| 问题 | 要解答的技术问题 | "PostgreSQL 为什么用 B-Tree 而不是 LSM-Tree？" |
| 源码目录 / URL | 涉及的开源项目本地路径或 GitHub URL（可多个） | /mnt/user-data/uploads/postgres/ 或 https://github.com/postgres/postgres |
| deepwiki reponame | deepwiki 中的 repo 标识，用于拉取结构化文档 | postgres/postgres |
在开始前，检查用户是否提供了以下内容：
如有缺失，简短追问，不要跳过。
1.1 问题描述
用自己的语言重新表述问题，明确：
1.2 问题分析
拆解问题为若干子问题，例如：
列出解答路线图（bullet），以便后续按图索骥。
优先级：源码 > 文档 > 网络文章
根据问题分析，定位以下内容：
a. 核心实现文件（.c/.go/.java/.rs 等）
b. 相关头文件 / 接口定义
c. 单元测试 / 集成测试（揭示预期行为）
d. 官方文档文件（.md / .rst / doc/ 目录）
e. 变更记录（CHANGELOG / git log 关键 commit）
源码搜索策略：
grep -rn, find, cat 等工具直接读取web_fetch 拉取关键文件；对大型仓库，优先拉取 README、顶层目录结构，再按需深入调用 deepwiki:read_wiki_structure 获取项目的文档主题列表，识别与问题相关的章节。
再调用 deepwiki:read_wiki_contents 阅读相关章节，提取：
调用 deepwiki:ask_question，将问题的子问题逐一提问，获取上下文关联的深度回答。
每次提问后，记录：
使用 web_search 搜索相关文章，严格过滤：
✅ 保留：
- 官方博客 / release notes
- 知名技术博客（作者可信）
- 版本匹配（与用户关注版本一致）
- 发布时间在项目相关版本发布后
❌ 丢弃：
- 内容与当前版本不符（API 已变更）
- 没有源码引用的纯经验文章
- 内容与源码搜索结论相矛盾
- SEO 农场内容 / 无实质信息
对每篇保留文章，记录：来源、版本、核心观点、是否已被源码验证。
文章必须图文并茂，包含 text、mermaid、svg 三种图表形式中的至少两种。
# [问题标题]
> 关键词：[项目名] · [版本] · [技术领域]
## TL;DR
（3-5 句话给出核心结论，让读者知道看完能得到什么）
## 背景与问题定义
（问题的技术背景、为什么这个问题值得深入研究）
## 原理分析
（核心机制的深度解析，配合 mermaid 流程图 / 架构图）
## 源码走读
（关键代码片段 + 注释，直接引用文件路径和行号）
## 实操演练
（模拟环境构建 + 数据生成 + 验证步骤，确保可复现）
## 边界条件与常见误区
（what-if 分析，反直觉的地方）
## 拓展思考
（举一反三：相关问题、对比其他项目的实现、延伸阅读）
## 参考资料
（源码文件、文档链接、网络文章，注明版本）
mermaid 使用场景：
SVG 使用场景：
代码块规范：
c, go, ```sql 等）每个实操场景必须包含：
### 环境准备
（Docker / 本地安装命令，版本要求）
### 数据生成
（建表 SQL / 数据生成脚本，确保能复现问题场景）
### 验证步骤
（具体命令 + 预期输出，让读者知道"对了"是什么样子）
### 结果解读
（输出意味着什么，如何与原理对应）
在输出最终文章前，必须完成验证。
对文章中每一个"原理陈述"，确认：
将文章核心结论作为问题，再次询问 deepwiki:ask_question，确认：
对文章中的代码示例：
[ ] 问题被直接回答（TL;DR 清晰）
[ ] 原理有源码支撑
[ ] 图表至少 2 种（mermaid + svg 或 mermaid + text diagram）
[ ] 实操可复现（环境 + 数据 + 命令完整）
[ ] 没有过期/错误的技术描述
[ ] 参考资料完整且版本明确
[ ] 文章保存到 markdown/ 目录
markdown/<问题关键词-项目名>.md（英文小写，连字符分隔）```mermaid，SVG 直接嵌入 <svg> 标签深度思考分析解答任何领域的棘手问题。当用户提出的问题具备以下任一特征时必须触发此 skill：(1) 涉及多个领域（如"AI 对就业的影响"涉及技术、经济、社会学、哲学）；(2) 涉及争议性观点或对立立场（如"比特币是不是泡沫"）；(3) 需要严谨论证、权威数据支撑、第一性原理推理（如"为什么中国新能源车销量这么猛"）；(4) 用户明确要求深度分析、多视角交叉验证、给出适用边界和证伪/证明手段。即便用户没有点名"深度分析"，只要问题本身具备跨学科、权衡性、需多专家视角的特征，都应触发本 skill，而不是给出浅尝辄止的单线回答。本 skill 不适用于闲聊、事实查询、明确要求简短回复的场景。
对任何领域的棘手问题进行深度思考分析,先识别问题所属领域并按需调度多位领域专家并行作答, 之后由事实核查员和红队做克制的事实审计与对抗性反驳,最后整合为面向小白的第一人称终稿。 适用:用户抛出一个跨领域/有深度的真实问题,希望听到多位专家的视角、看到观点的边界与证伪条件, 并得到一气呵成、通俗有据的最终文章。不适用:简单事实查询、纯情绪吐槽、不要求证据的随口一问。
召唤多领域专家智能体，对任何棘手、跨学科、有争议或开放性的问题做并行深度分析，再经过一轮克制的事实核查与红队反驳，最后由一个"干净大脑"的终稿撰写者把所有内容无缝重写成一篇第一人称、面向小白、图文并茂、有人味、留有证伪空间的深度长文。触发条件：用户提出任何值得深挖的复杂问题，尤其是跨领域、需要多方视角、需要权威数据支撑的问题；提到"帮我深度分析"、"多专家视角"、"专家怎么看"、"这个问题涉及哪些领域"、"帮我搞清楚 XX 到底是怎么回事"、"用第一性原理分析一下"、"这个观点站得住脚吗"、"帮我论证一下"、"multi-expert-analyzer2"，或者只是抛出一个开放性问题如"为什么 XX 会发生"、"如何看待 XX 现象"、"XX 到底靠不靠谱"。即使用户没有明确说"专家"或"深度分析"这几个字，只要问题本身跨越多个专业领域、需要审慎论证而非泛泛而谈，也应使用本 skill。本 skill 与仓库中其他类似名称的技能（如 multi-expert-analyzer、multi-expert-analyzer1）相互独立，不共享模板或输出结构，请完全按照本文件的流程执行。
SOC 직업 분류 기준
