# Tech Selection Research

> 技术选型/方案对比调研协议——固定、模型无关的检索研究流程，保证跨会话输出稳定、不疏漏；方法论引自 MiniMax 技术选型框架 + ADR 标准。

- Skill: `suyukun/tech-selection-research` (Agent Skill)
- Install (CLI): `npx skillmds@latest add suyukun/tech-selection-research`
- Raw SKILL.md: https://api.skillmd.com/api/skills/suyukun/tech-selection-research/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Research & Search
- Author: suyukun (https://skillmd.com/u/suyukun)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/suyukun/tech-selection-research

---


# tech-selection-research：技术选型/方案对比调研协议

> 触发：Jack 提出架构选型、技术方案对比、调研类问题（「对比 X 和 Y」「这个方案合理吗」「帮我调研一下…」）。
> 目的：用固定、模型无关的检索研究流程，保证跨会话输出稳定、不疏漏。
> 方法论来源（不发明轮子）：MiniMax-AI/skills 技术选型框架 + ADR 标准 + source-evaluation 来源分级（T1-T6）+ 分层研究质量门协议。
> 铁律：没有显式权衡分析，不许下选型结论。

## 分级执行（避免过度流程化）
- 轻量调研（日常小决策）：走 1 → 2 → 5，30 分钟内完成
- 完整调研（重要选型/高风险决策）：走 1 → 6 全程

## 步骤

1. **需求澄清**：量化约束（规模/延迟/可用性/数据量/合规/团队能力/预算/时间线），明确决策标准和「不做什么」。约束不量化不给结论。
2. **多源检索**：
   - 3-4 路 query 并行（一次 web_search 调用多 query）
   - 来源按 T1-T6 分级，优先高等级（见下）
   - 一手数据优先：stars/归档状态/最近更新（GitHub API），不采信二手结论
   - 交叉验证：关键结论至少两个独立来源
   - **质量门①**：关键结论无 ≥2 独立来源验证 → 不得进入评估，先补检索
   - 检索时主动排查失败模式（见下）
3. **查漏清单**（每次必过，缺项必须说明原因）：
   竞品覆盖 × 维护状态 × 生态成熟度 × 国内可达性 × 安全合规 × 成本 × 迁移成本 × 信息时效性（关键事实的「截至日期」）
4. **评估矩阵**：候选 × 加权标准打分（1-5 × 权重），**权重必须与 Jack 对齐**（质量门②），未对齐不给结论。
5. **输出**：
   - 决策对比表 + 结论 + 待确认问题；不写长报告
   - **溯源纪律**：每个关键事实标注来源层级 + URL；数字标注「截至 YYYY-MM」；找不到来源的事实不作结论依据（标注「未验证」或删去）——质量门③
   - 重要决策附 ADR 记录（Context/Decision/Consequences）
6. **复盘迭代**（≤1 分钟）：本次有无遗漏？有无新来源/新查漏项/新经验？→ 记修订日志，重要项经 Jack 确认后回填协议

## 来源分级 T1-T6

| 层级 | 类型 | 示例 |
|---|---|---|
| T1 | 原始文献/官方规范/一手数据集 | 期刊论文、IETF RFC、官方规格 |
| T2 | 机构/政府/权威研究机构 | 政府站点、研究机构、开源基金会 |
| T3 | 具名专家/顶会/大厂技术博客 | 专家博客、论文、大厂工程博客 |
| T4 | 有编辑审校的主流媒体 | 技术媒体 |
| T5 | 高质量社区 | 高赞 Stack Overflow、GitHub discussions |
| T6 | 内容农场/SEO/未验证 | 无作者无日期堆砌文 |

- 输出结论时标注来源层级；T6 一律不采用，T5 仅作线索不作结论依据。

## 失败模式清单（检索时主动排查）

- SEO/内容农场：标题堆砌、无作者、无日期 → 不采用
- 早期检索污染：第一个坏来源污染整条链路（57% 来源错误发生在早期检索）→ 首轮就分级把关
- 过时当现况：以旧资料描述当前状态 → 检查发布日期/「截至日期」
- 幸存者偏差：只搜到营销/成功案例 → 主动补搜「X 的坑/问题/失败案例/替代」
- 自我引用循环：多篇互相引用同一源头 → 追到原始出处

## 质量门

- **质量门①**（检索→评估）：关键结论 ≥2 独立来源，否则回检索
- **质量门②**（评估→结论）：权重与 Jack 对齐，否则不给结论
- **质量门③**（输出前）：关键事实可溯源（URL+层级），否则标注未验证或删去

## 模型无关性
- 步骤/工具/清单固定，不依赖模型推理强度；换任何模型照步骤走，覆盖率不降
- 拿不准就复述确认，不猜

## 迭代机制（协议如何持续演进）
- 修订日志：本文件末尾 CHANGELOG，每次迭代加一行（日期+改动+原因）
- 观察暂存：跨会话待验证改进先记 `~/.dsh/memory/observations.md`，同一改进出现 ≥2 次再提炼回填
- 触发条件：每次调研复盘发现改进点；Jack 明说「这次方法有问题」；同一问题出现 ≥2 次
- 纪律：skill 文件只由 Rose 写；写前过 memory-edit 自检；改完给 Jack 一句话说明

## CHANGELOG
- 2026-08-26：**v2**。按协议自评结果升级：新增来源分级 T1-T6、质量门①②③、失败模式清单、溯源纪律（URL+层级+截至日期）；方法论补 source-evaluation 与质量门协议。
- 2026-08-26：v1 创建。方法论引自 MiniMax technology-selection 框架 + ADR 标准；适配 DSH 的 web_search/GitHub API 工具。