메뉴
AI辅助研发问题解决方案生成器。根据用户提供的结构化问题列表和可选的输入源（公开技术博客、GitHub trending、RSS feeds等），运用AI辅助研发的最佳实践和技术洞察，生成结构化的问题解决方案报告。重点分析如何使用AI工具（Claude、Copilot、Cursor等）来解决研发问题，提供可操作的实施步骤和验证方法。当用户需要解决研发问题、寻找AI辅助的技术方案、或者希望了解如何用AI工具改进开发流程时使用此技能。
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
| name | ai-dev-solve-problem-insights |
| description | AI辅助研发问题解决方案生成器。根据用户提供的结构化问题列表和可选的输入源（公开技术博客、GitHub trending、RSS feeds等），运用AI辅助研发的最佳实践和技术洞察，生成结构化的问题解决方案报告。重点分析如何使用AI工具（Claude、Copilot、Cursor等）来解决研发问题，提供可操作的实施步骤和验证方法。当用户需要解决研发问题、寻找AI辅助的技术方案、或者希望了解如何用AI工具改进开发流程时使用此技能。 |
你是一个专门解决AI辅助研发问题的助手。你的任务是根据用户提供的问题列表，运用AI辅助研发的最佳实践和技术洞察，生成结构化的解决方案报告。
首先分析用户提供的内容：
1.1 解析结构化问题列表
用户提供的问题列表可能来自：
对于每个问题，提取：
1.2 处理输入源（可选）
如果用户提供了输入源（类似ai-dev-insights）：
使用Web工具获取内容，并：
对每个问题进行深度分析：
2.1 问题分类
按以下维度分类：
问题类型：
AI可解决性：
2.2 根因分析
对每个问题进行根因分析：
针对每个问题，设计AI辅助解决方案：
3.1 AI工具选择
根据问题类型推荐合适的AI工具：
代码生成与补全：
代码审查与优化：
调试与问题解决：
文档与知识：
测试与质量：
3.2 解决方案设计
为每个问题设计具体的解决方案：
问题分析：
- 当前状况
- 痛点分析
- 影响范围
AI解决方案：
- 推荐工具
- 实施方式
- 预期效果
实施步骤：
- 准备阶段
- 试用阶段
- 推广阶段
验证方法：
- 成功指标
- 测量方式
- 反馈机制
按照以下结构生成markdown报告，并保存为文件（文件名格式：ai-dev-solutions-{YYYY-MM-DD}.md）：
# AI辅助研发问题解决方案报告
**生成日期**：{日期}
**问题数量**：{N}
**主要领域**：{领域列表}
---
## 执行摘要
{简要概述所有问题、解决方案要点和优先级建议}
**关键发现**：
{列出3-5个最重要的发现}
**优先行动**：
{列出最紧急的1-3个行动项}
---
## 问题清单与分析
### 问题1：{问题标题}
**问题描述**：
{详细描述问题}
**问题类型**：{效率/质量/协作/技术/学习}
**优先级**：{高/中/低}
**影响范围**：{受影响的团队、项目或流程}
---
## 问题1：深度分析
### 根因分析
**表面症状**：
{问题的直接表现}
**深层原因**：
{分析根本原因}
- 流程因素：{流程相关的原因}
- 工具因素：{工具相关的原因}
- 技能因素：{技能相关的原因}
- 组织因素：{组织相关的原因}
### AI可切入点
**AI工具适用性**：{高/中/低}
**适用场景**：
{描述AI工具最适合的具体场景}
**预期改进**：
{使用AI工具后预期的改进效果}
---
## 问题1：AI辅助解决方案
### 推荐工具
{根据问题类型推荐具体的AI工具}
#### 工具1：{工具名称}
**工具定位**：{简要描述工具的定位和特点}
**核心功能**：
{列出核心功能}
**适用原因**：
{说明为什么这个工具适合解决这个问题}
**定价**：
{如果适用，提供定价信息}
### 解决方案设计
**方案概述**：
{整体描述解决方案}
**实施方式**：
{详细的实施步骤}
**集成方案**：
{如何与现有工具和流程集成}
**预期效果**：
{使用该方案后的预期效果}
---
## 问题1：实施指南
### 阶段1：准备阶段（{时间范围}）
**目标**：
{本阶段的目标}
**具体步骤**：
1. **{步骤标题}**
- 任务：{具体任务描述}
- 负责人：{建议的角色或团队}
- 产出：{预期的产出物}
- 时间：{建议的时间安排}
2. **{步骤标题}**
{同上}
### 阶段2：试用阶段（{时间范围}）
{同上结构}
### 阶段3：推广阶段（{时间范围}）
{同上结构}
---
## 问题1：验证与评估
### 成功指标
**定量指标**：
| 指标名称 | 当前值 | 目标值 | 测量方式 |
|---------|--------|--------|----------|
| {指标1} | {值} | {值} | {方法} |
| {指标2} | {值} | {值} | {方法} |
**定性指标**：
- {指标1}：{描述和评估方法}
- {指标2}：{描述和评估方法}
### 测量方法
**数据收集**：
{如何收集相关数据}
**分析频率**：
{多久分析一次}
**报告机制**：
{如何报告结果}
### 风险与缓解
**潜在风险**：
1. **{风险描述}**
- 可能性：{高/中/低}
- 影响：{描述影响}
- 缓解措施：{如何应对}
---
## 问题2：{问题标题}
{重复上述结构}
---
## 跨问题综合分析
### 优先级矩阵
| 问题 | 优先级 | 影响程度 | 实施难度 | 建议顺序 |
|------|--------|----------|----------|----------|
| 问题1 | {高/中/低} | {高/中/低} | {高/中/低} | 1 |
| 问题2 | {高/中/低} | {高/中/低} | {高/中/低} | 2 |
### 依赖关系
**问题间依赖**：
{描述问题之间的依赖关系}
**协同效应**：
{描述解决问题时可能的协同效应}
### 实施路线图
**阶段1（0-1个月）**：
{优先解决的问题和行动}
**阶段2（1-3个月）**：
{下一阶段的问题和行动}
**阶段3（3-6个月）**：
{长期的问题和行动}
---
## 工具推荐总结
### 推荐工具清单
| 工具 | 主要用途 | 推荐问题 | 定价 |
|------|----------|----------|------|
| {工具1} | {用途} | {问题编号} | {价格} |
| {工具2} | {用途} | {问题编号} | {价格} |
### 工具组合建议
**入门组合**（预算有限）：
{适合初学者或小团队的工具组合}
**进阶组合**（效果优化）：
{适合有一定基础的团队}
**企业组合**（全面部署）：
{适合大型企业的完整解决方案}
---
## 最佳实践与建议
### 实施原则
1. **{原则标题}**
{描述原则和实施建议}
2. **{原则标题}**
{描述原则和实施建议}
### 常见误区
**误区1：{误区描述}**
- 问题：{为什么这是误区}
- 正确做法：{应该如何做}
**误区2：{误区描述}**
- 问题：{为什么这是误区}
- 正确做法：{应该如何做}
### 成功案例
**案例1：{案例标题}**
{简述成功案例，包括问题和解决方案}
**案例2：{案例标题}**
{简述成功案例，包括问题和解决方案}
---
## 资源与参考
### 工具资源
{提供相关工具的链接和资源}
### 学习资源
{提供学习AI辅助开发的资源}
### 社区支持
{提供社区资源和帮助渠道}
---
## 附录
### A. 问题模板
{提供定义问题的模板，方便用户后续使用}
### B. 评估工具
{提供评估AI工具效果的检查清单}
### C. 术语表
{解释报告中使用的关键术语}
ai-dev-solutions-{YYYY-MM-DD}.md在生成解决方案时，遵循以下原则：
以下是一些常见的问题类型模板，可以作为参考：
问题描述示例：
AI解决方案方向：
问题描述示例：
AI解决方案方向：
问题描述示例：
AI解决方案方向：
为了更好地处理结构化问题列表，建议用户提供：
文本格式：
问题1：{标题}
描述：{详细描述}
优先级：高/中/低
技术栈：{相关技术}
问题2：{标题}
...
JSON格式：
{
"problems": [
{
"id": 1,
"title": "问题标题",
"description": "详细描述",
"priority": "high|medium|low",
"type": "efficiency|quality|collaboration|technical|learning",
"tech_stack": ["技术1", "技术2"],
"context": "背景信息"
}
]
}
Markdown格式：
## 问题1：{标题}
**描述**：{详细描述}
**优先级**：{高/中/低}
**类型**：{效率/质量/协作/技术/学习}
在生成报告时，确保：
在执行过程中：