Tech Analysis Reporter

自媒体软件分析报告生成器（Agent Skill）

触发条件

当用户说以下任一语句时，启动本Skill：

• "自媒体软件分析报告"
• "生成技术报告"
• "分析这个项目"
• "帮我写个技术分析"
• "了解一下这个开源项目"

Agent执行流程

Phase 1: 项目获取（第1轮对话）

Agent开场白：

我来帮你生成专业的技术分析报告。首先，请告诉我项目来源：

1. GitHub链接（公开或私有仓库）
2. 本地项目路径（绝对路径）

收集信息：

• 等待用户提供项目来源
• 如果是GitHub私有仓库，询问是否需要Token

验证可用性：

# GitHub项目
git clone --depth 1 <url> /tmp/analysis-repo 2>&1

# 本地项目
ls -la <path>

如果遇到私有仓库权限问题：

这个项目似乎是私有的，我无法直接访问。你可以：

1. 提供Personal Access Token
2. 或者将项目打包发给我

Phase 2: 项目识别与确认（第2轮对话）

自动检测项目类型：

读取项目关键文件，判断项目类型：

Agent告知用户检测结果：

我检测到这是一个 [项目类型] 项目。

关键特征：

• 主要语言：[Python/JavaScript/Rust等]
• 核心模块：[列出主要目录]
• 技术栈：[从package.json等提取]

这个判断准确吗？如果不准确请告诉我实际类型。

等待用户确认或修正

Phase 3: 报告配置（第3轮对话）

询问报告模板：

请选择报告模板：

A. 精简概览（3章，约3000字）

• 适合：快速了解项目
• 章节：概述 + 架构 + 亮点

B. 标准分析（5章，约8000字）⭐推荐

• 适合：常规技术评审
• 章节：概述 + 架构 + 机制 + 生态 + 技术栈

C. 深度剖析（7章，约12000字）

• 适合：深度技术审计
• 章节：标准5章 + 性能 + 安全 + 未来展望

D. 自定义

• 你指定章节数量和主题

询问内容风格：

请选择写作风格：

1. 学术风 - 幽默但严谨，有比喻，像技术博客
2. 技术风 - 精准专业，术语密集，像架构文档
3. 科普风 - 通俗易懂，故事化，适合非技术读者
4. 商业风 - 价值导向，有数据，适合投资场景

询问分析深度：

请选择分析深度：

• 概述（30%）- 概念级讲解，无代码
• 标准（60%）- 适度深入，少量伪代码
• 专家（100%）- 深度剖析，真实代码+详细解释

询问输出格式：

请选择输出格式（可多选）：

• Markdown（可编辑源码）
• Word文档（.docx，正式报告）
• PDF（适合发布分享）

Phase 4: 个性化配置（第4轮对话）

询问配图需求：

是否需要配图？每章配图数量：

• 0张（纯文字，适合已有设计图的项目）
• 1张（1张概念图/章）
• 2张（架构图+流程图/章）
• 3张（全方位视觉展示）

询问特殊关注点（可选）：

有没有特别希望我重点分析的模块或功能？（直接回车跳过）

询问字体偏好（仅Word输出时需要）：

如果生成Word文档，字体设置：

• 标题字体：[黑体/微软雅黑/宋体]
• 正文字体：[仿宋/宋体/微软雅黑]

（输出格式将在生成完成后确认）

确认并总结：

好的，配置完成！让我确认一下：

配置项	你的选择
项目	[项目名]
类型	[项目类型]
模板	[A/B/C/D]
风格	[学术/技术/科普/商业]
深度	[概述/标准/专家]
配图	[0-3张/章]

确认无误后，我将开始生成报告。这个过程大约需要10-15分钟。

确认开始？（回复"开始"或"修改"）

Phase 5: 执行生成

用户确认后，Agent执行以下步骤：

Step 1: 项目获取

# GitHub项目
git clone --depth 1 <url> /tmp/analysis-repo

# 本地项目
cp -r <local_path> /tmp/analysis-repo

Step 2: 项目分析

读取并分析：

• README.md - 项目概述
• package.json / Cargo.toml / pyproject.toml - 技术栈
• src/ 目录结构 - 架构分析
• docs/ - 现有文档

提取关键信息保存到上下文。

Step 3: 多Agent协作生成章节

启动团队任务模式，PM（你）作为协调者：

团队构成：
- PM（你）: 任务分配、进度监控、结果汇总
- Writer-1: 第1章（概述）
- Writer-2: 第2章（架构）
- Writer-3: 第3章（机制）
- Writer-4: 第4章（生态/技术栈，根据模板动态分配）
- QA: 质量验证

共享白板机制：

创建共享状态文件，所有Agent可读写：

// /tmp/analysis-shared-board.json
{
  "project_info": { /* 项目分析结果 */ },
  "config": {
    "template": "B",
    "style": "学术风",
    "depth": "标准",
    "images_per_chapter": 2
  },
  "chapters": {
    "01-overview": { "status": "pending", "writer": "Writer-1", "content": null },
    "02-architecture": { "status": "pending", "writer": "Writer-2", "content": null },
    "03-mechanism": { "status": "pending", "writer": "Writer-3", "content": null },
    "04-ecosystem": { "status": "pending", "writer": "Writer-4", "content": null },
    "05-techstack": { "status": "pending", "writer": "Writer-4", "content": null }
  },
  "images": {
    "generated": [],
    "assigned": []
  },
  "qa_report": null
}

每个Writer Agent的任务流程：

1. 读取共享白板 - 获取项目信息和配置
2. 读取分配到的章节Prompt模板
3. 撰写章节内容（1000-2000字）
4. 生成配图（如果配置>0张）
   • 使用 nano-banana-pro 生成2K配图
   • 更新白板：images.generated
5. 保存章节到临时文件
6. 更新白板：chapters.[章节].status = "completed"

PM监控逻辑：

# 每2分钟检查一次白板进度
while True:
    board = read_shared_board()
    completed = sum(1 for ch in board["chapters"].values() if ch["status"] == "completed")
    total = len(board["chapters"])
    
    if completed == total:
        break
    
    # 向用户汇报进度
    print(f"进度: {completed}/{total} 章节已完成")
    sleep(120)

Step 4: 生成配图（如果配置 > 0张/章）

如果用户选择 0 张配图：

• 跳过此步骤
• 章节中不插入任何图片引用
• 直接继续下一步

如果用户选择 1-3 张配图：

每个Writer Agent独立生成配图：

cd ~/clawd/skills/nano-banana-pro
export $(grep -v '^#' .env | xargs)
uv run scripts/generate_image.py \
  --prompt "[根据章节内容生成的学术风格配图Prompt]" \
  --filename "/tmp/analysis/images/XX-topic.png" \
  --resolution 2K

生成后更新共享白板：

"images": {
  "generated": [
    "01-hero.png",
    "02-architecture.png",
    ...
  ]
}

Step 5: QA质量验证

启动QA Agent（并行或依次验证各章节）：

QA Agent任务：
1. 读取共享白板，获取所有章节文件路径
2. 逐章验证：
   - 内容准确性（技术描述是否正确）
   - 完整性（是否覆盖要求的深度）
   - 风格符合度（是否符合选择的风格）
   - 流畅度（阅读体验）
   - 配图质量（如果配置了配图）
3. 生成QA报告，更新白板：qa_report
4. 标记各章节：pass / need_fix

如果章节需要修改：
- 返回给对应Writer Agent修改
- 修改后重新验证
- 最多3轮迭代

QA通过后，继续下一步。

Step 6: 合并与转换

合并Markdown：

cat 01-*.md 02-*.md ... > complete.md

格式转换（根据Phase 4用户选择）：

询问用户确认输出格式：

报告内容已生成并通过QA验证。> 请选择最终输出格式（可多选）：

• Markdown（可编辑源码）
• Word文档（.docx，正式报告）
• PDF（适合发布分享）

如果选择多个格式，我会打包成zip发送。

等待用户确认后执行转换：

Markdown: 直接使用 complete.md

Word（如果选择）:

pandoc complete.md -o report.docx --toc --toc-depth=2
python3 adjust_fonts.py report.docx "[标题字体]" "[正文字体]"

PDF（如果选择）:

pandoc complete.md -o report.pdf --pdf-engine=xelatex

多文件打包（如果选择2种以上格式）:

zip 技术报告-完整版.zip complete.md report.docx report.pdf images/

Step 6: 交付

✅ 报告生成完成！

文件清单：

• 📄 完整报告.md（可编辑源码）
• 📘 技术报告.docx（Word文档，黑体标题+仿宋正文）
• 📕 技术报告.pdf（PDF格式）
• 🖼️ 配图文件夹（X张2K分辨率图片）

正在发送文件...

发送所有生成的文件给用户。

特殊情况处理

情况1：项目克隆失败

克隆项目时遇到问题：[错误信息]

可能原因：

1. 私有仓库需要Token
2. 网络问题
3. 仓库不存在

建议：[具体解决方案]

情况2：项目无法识别类型

我无法自动识别这个项目类型。请告诉我：

• 这是什么类型的项目？（Web应用/CLI工具/算法库/框架/其他）
• 主要功能是什么？

情况3：用户要求修改

收到修改意见。请告诉我具体修改点：

1. 哪个章节需要修改？
2. 修改内容是什么？
3. 是否需要调整配图？

然后重新生成对应章节。

情况4：生成时间过长

报告生成中，已完成 [X/Y] 个章节...

预计剩余时间：约 Z 分钟

你可以先预览已完成的章节：[文件]

情况5：共享白板访问冲突

如果多个Writer Agent同时读写白板：

1. 使用文件锁机制（lockfile）
2. 或者使用Git进行版本控制
3. 或者通过PM中转（所有写操作发给PM，PM更新白板）

推荐方案：通过PM中转

Writer -> 向PM汇报进度 -> PM更新白板 -> 广播给其他Agent

情况6：QA验证不通过

如果QA发现章节质量问题：

1. QA在共享白板标记：chapters.[章节].status = "need_fix"
2. QA在qa_report中详细说明问题
3. PM通知对应Writer Agent修改
4. Writer修改后重新提交QA
5. 最多3轮迭代，仍不通过则标记为"warning"继续

章节Prompt模板

学术风Prompt模板

你是一个技术文档撰写专家。请基于以下项目信息，撰写[章节名称]。

## 项目信息
{project_analysis_result}

## 写作要求
- 风格：幽默但严谨，像顶级会议论文
- 深度：[概述/标准/专家]
- 字数：[根据深度调整]
- 配图：如果需要，在适当位置插入 ![图片描述](./images/XX-name.png)

## 章节大纲
[根据章节类型提供的大纲]

请直接输出完整的Markdown格式章节内容。

技术风Prompt模板

你是一个技术架构师。请基于以下项目信息，撰写[章节名称]。

## 项目信息
{project_analysis_result}

## 写作要求
- 风格：精准专业，术语准确
- 深度：[概述/标准/专家]
- 包含：架构图描述、关键代码片段、性能数据
- 配图：如果需要，在适当位置插入

请直接输出完整的Markdown格式章节内容。

（科普风、商业风类似...）

依赖检查

执行前检查以下依赖是否可用：

# 检查pandoc
which pandoc || echo "pandoc未安装"

# 检查python-docx
python3 -c "import docx" 2>&1 || echo "python-docx未安装"

# 检查nano-banana-pro
ls ~/clawd/skills/nano-banana-pro/scripts/generate_image.py

# 检查Git
which git

如有缺失，告知用户安装方法。

输出文件结构

/tmp/analysis-output/
├── 01-overview.md
├── 02-architecture.md
├── 03-mechanism.md
├── 04-ecosystem.md
├── 05-techstack.md
├── images/
│   ├── 01-hero.png
│   ├── 02-architecture.png
│   └── ...
├── complete.md              # 合并后的完整Markdown
├── 技术报告.docx            # Word文档（如选择）
└── 技术报告.pdf             # PDF文档（如选择）

共享白板使用示例

白板初始化（PM执行）

import json

board = {
    "project_info": {
        "name": "OpenClaw",
        "type": "framework",
        "language": "TypeScript",
        "tech_stack": ["Node.js", "WebSocket", "TypeBox"],
        "description": "个人AI助手平台"
    },
    "config": {
        "template": "B",
        "style": "学术风",
        "depth": "标准",
        "images_per_chapter": 2,
        "title_font": "黑体",
        "body_font": "仿宋"
    },
    "chapters": {
        "01-overview": {
            "status": "pending",
            "writer": "Writer-1",
            "content_path": None,
            "word_count": 0
        },
        "02-architecture": {
            "status": "pending", 
            "writer": "Writer-2",
            "content_path": None,
            "word_count": 0
        },
        "03-mechanism": {
            "status": "pending",
            "writer": "Writer-3", 
            "content_path": None,
            "word_count": 0
        },
        "04-ecosystem": {
            "status": "pending",
            "writer": "Writer-4",
            "content_path": None,
            "word_count": 0
        },
        "05-techstack": {
            "status": "pending",
            "writer": "Writer-4",
            "content_path": None,
            "word_count": 0
        }
    },
    "images": {
        "generated": [],
        "failed": []
    },
    "qa_report": {
        "status": "pending",
        "results": {}
    }
}

with open("/tmp/analysis-shared-board.json", "w") as f:
    json.dump(board, f, indent=2)

Writer Agent读取白板

import json

def read_board():
    with open("/tmp/analysis-shared-board.json", "r") as f:
        return json.load(f)

def update_board(updates):
    """更新白板（通过PM中转）"""
    board = read_board()
    board.update(updates)
    with open("/tmp/analysis-shared-board.json", "w") as f:
        json.dump(board, f, indent=2)

# Writer Agent使用示例
board = read_board()
my_chapter = "01-overview"
config = board["config"]
project_info = board["project_info"]

# 撰写章节...
# 完成后更新白板
update_board({
    "chapters": {
        my_chapter: {
            "status": "completed",
            "content_path": "/tmp/analysis/01-overview.md",
            "word_count": 1850
        }
    }
})

PM监控进度

def check_progress():
    board = read_board()
    total = len(board["chapters"])
    completed = sum(1 for ch in board["chapters"].values() 
                    if ch["status"] == "completed")
    
    return {
        "completed": completed,
        "total": total,
        "percentage": (completed / total) * 100
    }

# 每2分钟检查一次
while True:
    progress = check_progress()
    print(f"进度: {progress['completed']}/{progress['total']} "
          f"({progress['percentage']:.0f}%)")
    
    if progress["completed"] == progress["total"]:
        break
    
    time.sleep(120)

示例对话流程

用户： 自媒体软件分析报告

Agent： 我来帮你生成专业的技术分析报告。首先，请告诉我项目来源：

1. GitHub链接（公开或私有仓库）
2. 本地项目路径（绝对路径）

用户： https://github.com/openclaw/openclaw

Agent： [克隆项目并分析...]

我检测到这是一个 框架/平台 项目。

关键特征：

• 主要语言：TypeScript
• 核心模块：Gateway、Agent、Channels、Skills
• 技术栈：Node.js、WebSocket、TypeBox

这个判断准确吗？

用户： 准确

Agent： 请选择报告模板： A. 精简概览（3章） B. 标准分析（5章） C. 深度剖析（7章） D. 自定义

用户： B

Agent： 请选择写作风格：

1. 学术风 2. 技术风 3. 科普风 4. 商业风

用户： 1

...（继续后续对话）

Skill版本: 2.0 | Agent使用指南 | 更新: 2026-02-03