Issue Intelligence Report【免费下载链接】plateRich-text editor with AI and shadcn/ui项目地址: https://gitcode.com/GitHub_Trending/pl/plateRepo:{owner/repo}Analyzed:{N} open {M} recently closed issues ({date_range})Themes identified:{K}Theme 1: {theme_title}Issues:{count} |Trend:{direction} |Confidence:{level}Sources:{X human-reported, Y bot-generated} |Type:{bugs/enhancements/mixed}{description — what the pattern is and what it signals about the system. Include causal connections to other themes here, not in a separate section.}Why it matters:{user impact, severity, frequency, consequence of inaction}Representative issues:#{num} {title}, #{num} {title}, #{num} {title}Theme 2: {theme_title}(same fields — no exceptions)...Minor / Unclustered{Issues that didnt fit any theme — list each with #{num} {title}, or None}**输出前自检清单** - [ ] 分析总数与实际 gh 结果一致而非 --limit 值 - [ ] 每个主题都有全部 6 行标题、issues/trend/confidence、sources/type、description、why it matters、representative issues - [ ] representative issues 使用抓取数据中的真实工单号 - [ ] 每簇数量之和约等于总数交叉引用允许少量重叠 - [ ] 没有未从实际抓取数据计算出的统计量、比率或数量。 ## Step 6边界情况处理 - **总数少于 5 个工单**返回简短说明 Insufficient issue volume for meaningful theme analysis ({N} issues found).直接列出工单、不做聚类 - **所有工单属于同一主题**如实报告为单一主导主题并注明该 Issue 追踪器呈现的是高度集中的问题而非多样化的图景 - **完全没有工单**返回 No open or recently closed issues found for {repo}. ## 工具纪律无脚本、无管道、一律 --jq 这是本技能对执行环境最严格的约束。原因非常务实**每一个 python3、node 或管道命令都会触发一次需要用户手动批准的安全提示**处理几十个工单时会造成无法接受的提示轰炸体验。 具体规则 - 所有 GitHub 操作只用 gh CLI——一次一个简单命令不用 、||、; 或管道串联 - 字段提取与过滤**永远使用 --jq**如 gh issue list --json title --jq .[].title、gh issue list --json stateReason --jq [.[] | select(.stateReason COMPLETED)]——gh CLI 内置完整 jq 支持 - **绝不写内联脚本**python3 -c、node -e、ruby -e处理、过滤、排序或转换工单数据——直接阅读数据后推理LLM 可以在上下文中完成过滤与聚类 - **绝不把 gh 输出管道到任何命令**| python3、| jq、| grep、| sort改用 --jq 或直接阅读输出推理 - 仓库文件探索用原生文件搜索/glob 工具内容搜索用原生 grep 工具有原生工具等价物时不用 shell 命令不用 find、cat、rg。 ## 集成点谁在调用这个技能 技能文档声明该 Agent 设计由以下场景调用 - ce:ideate——检测到 Issue 追踪器意图时作为第三路并行的 Phase 1 扫描 - 用户直接派发——独立的 Issue 全景分析 - 其他技能或工作流——任何理解 Issue 模式有价值的场景。 输出是**自包含**的不与任何特定调用方的上下文耦合。 仓库中有两个实证可以印证这种集成 1. [docs/plans/2026-03-30-next-best-issue.md](https://link.gitcode.com/i/fdf04be6bad9c784335e898a7b76b719) 记录了 task 工作流把 issue-intelligence-analyst 作为支撑技能的实战对仓库udecode/plate分析了 14 个 open 工单与 30 天内采样的 14 个 closed 工单逐条评估后推荐了杠杆与可解性最佳的 #4111。这展示了先抓取全景 → 再按证据排序 → 最后给出单个可行动建议的完整链路 2. [docs/analysis/compound-engineering-tree.md](https://link.gitcode.com/i/01e1d7d5f5707bbe3322ab341f183f02) 的 Compound Engineering 树中该 Agent 作为研究层条件触发的扫描器与 git-history-analyzer 并列服务于上层 ce:ideate 与 Issue 理解工作流。 ## 仓库实证从单次分析到全量 Issue 情报工程 该技能在 Plate 仓库中并不只是单个调用它被 [docs/slate-issues/issue-intelligence-master-plan.md](https://link.gitcode.com/i/12e8f04da4d97ae8bc38f00a9e50c7c2) 升级为一整套可规模化的研究计划Issue Intelligence Master Plan用于把 Slate 的全部 open issues 转化为 slate-v2 架构需求。这套计划与该技能的方法论完全同构可作为大规模落地的参考 ### 快照与产物 - 冻结了 2026-04-02 的 **682 个 open issues** 快照作为研究语料逐条写入台账ledger、档案dossier与测试候选映射 - 产物按顺序维护docs/slate-issues/open-issues-ledger.md每工单一行含 issue number、title、labels、createdAt、updatedAt、comment count、linked artifacts、rubric 字段、主簇、置信度等、docs/slate-issues/open-issues-dossiers.md维护者级摘要一句话总结、线程总结、repro 状态、有效性判断、维护者行动建议、回复姿态、v2 相关性、red-test/benchmark 提取笔记、docs/slate-issues/test-candidate-map.md、docs/slate-issues/benchmark-candidate-map.md、docs/slate-issues/issue-clusters.md、docs/slate-issues/package-impact-matrix.md、docs/slate-issues/requirements-from-issues.md、docs/slate-issues/roadmap-from-issues.md。 ### 反懒惰规则与评分模型 计划明确列出强制性的反懒惰规则其中多条与该技能方法论一一对应100% open issues 进入台账前不做架构推荐closed issues 不得自行创建主题、只能强化 open 主题的复发信号区分事实、推断与建议Unknown允许用于根因但禁止虚假确定。 评分采用加权公式每簇 15 分 text priority (pain * recurrence) architectural_depth breadth v2_leverage【免费下载链接】plateRich-text editor with AI and shadcn/ui项目地址: https://gitcode.com/GitHub_Trending/pl/plate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Issue Intelligence Report【免费下载链接】plateRich-text editor with AI and shadcn/ui项目地址: https://gitcode.com/GitHub_Trending/pl/plateRepo:{owner/repo}Analyzed:{N} open {M} recently closed issues ({date_range})Themes identified:{K}Theme 1: {theme_title}Issues:{count} |Trend:{direction} |Confidence:{level}Sources:{X human-reported, Y bot-generated} |Type:{bugs/enhancements/mixed}{description — what the pattern is and what it signals about the system. Include causal connections to other themes here, not in a separate section.}Why it matters:{user impact, severity, frequency, consequence of inaction}Representative issues:#{num} {title}, #{num} {title}, #{num} {title}Theme 2: {theme_title}(same fields — no exceptions)...Minor / Unclustered{Issues that didnt fit any theme — list each with #{num} {title}, or None}**输出前自检清单** - [ ] 分析总数与实际 gh 结果一致而非 --limit 值 - [ ] 每个主题都有全部 6 行标题、issues/trend/confidence、sources/type、description、why it matters、representative issues - [ ] representative issues 使用抓取数据中的真实工单号 - [ ] 每簇数量之和约等于总数交叉引用允许少量重叠 - [ ] 没有未从实际抓取数据计算出的统计量、比率或数量。 ## Step 6边界情况处理 - **总数少于 5 个工单**返回简短说明 Insufficient issue volume for meaningful theme analysis ({N} issues found).直接列出工单、不做聚类 - **所有工单属于同一主题**如实报告为单一主导主题并注明该 Issue 追踪器呈现的是高度集中的问题而非多样化的图景 - **完全没有工单**返回 No open or recently closed issues found for {repo}. ## 工具纪律无脚本、无管道、一律 --jq 这是本技能对执行环境最严格的约束。原因非常务实**每一个 python3、node 或管道命令都会触发一次需要用户手动批准的安全提示**处理几十个工单时会造成无法接受的提示轰炸体验。 具体规则 - 所有 GitHub 操作只用 gh CLI——一次一个简单命令不用 、||、; 或管道串联 - 字段提取与过滤**永远使用 --jq**如 gh issue list --json title --jq .[].title、gh issue list --json stateReason --jq [.[] | select(.stateReason COMPLETED)]——gh CLI 内置完整 jq 支持 - **绝不写内联脚本**python3 -c、node -e、ruby -e处理、过滤、排序或转换工单数据——直接阅读数据后推理LLM 可以在上下文中完成过滤与聚类 - **绝不把 gh 输出管道到任何命令**| python3、| jq、| grep、| sort改用 --jq 或直接阅读输出推理 - 仓库文件探索用原生文件搜索/glob 工具内容搜索用原生 grep 工具有原生工具等价物时不用 shell 命令不用 find、cat、rg。 ## 集成点谁在调用这个技能 技能文档声明该 Agent 设计由以下场景调用 - ce:ideate——检测到 Issue 追踪器意图时作为第三路并行的 Phase 1 扫描 - 用户直接派发——独立的 Issue 全景分析 - 其他技能或工作流——任何理解 Issue 模式有价值的场景。 输出是**自包含**的不与任何特定调用方的上下文耦合。 仓库中有两个实证可以印证这种集成 1. [docs/plans/2026-03-30-next-best-issue.md](https://link.gitcode.com/i/fdf04be6bad9c784335e898a7b76b719) 记录了 task 工作流把 issue-intelligence-analyst 作为支撑技能的实战对仓库udecode/plate分析了 14 个 open 工单与 30 天内采样的 14 个 closed 工单逐条评估后推荐了杠杆与可解性最佳的 #4111。这展示了先抓取全景 → 再按证据排序 → 最后给出单个可行动建议的完整链路 2. [docs/analysis/compound-engineering-tree.md](https://link.gitcode.com/i/01e1d7d5f5707bbe3322ab341f183f02) 的 Compound Engineering 树中该 Agent 作为研究层条件触发的扫描器与 git-history-analyzer 并列服务于上层 ce:ideate 与 Issue 理解工作流。 ## 仓库实证从单次分析到全量 Issue 情报工程 该技能在 Plate 仓库中并不只是单个调用它被 [docs/slate-issues/issue-intelligence-master-plan.md](https://link.gitcode.com/i/12e8f04da4d97ae8bc38f00a9e50c7c2) 升级为一整套可规模化的研究计划Issue Intelligence Master Plan用于把 Slate 的全部 open issues 转化为 slate-v2 架构需求。这套计划与该技能的方法论完全同构可作为大规模落地的参考 ### 快照与产物 - 冻结了 2026-04-02 的 **682 个 open issues** 快照作为研究语料逐条写入台账ledger、档案dossier与测试候选映射 - 产物按顺序维护docs/slate-issues/open-issues-ledger.md每工单一行含 issue number、title、labels、createdAt、updatedAt、comment count、linked artifacts、rubric 字段、主簇、置信度等、docs/slate-issues/open-issues-dossiers.md维护者级摘要一句话总结、线程总结、repro 状态、有效性判断、维护者行动建议、回复姿态、v2 相关性、red-test/benchmark 提取笔记、docs/slate-issues/test-candidate-map.md、docs/slate-issues/benchmark-candidate-map.md、docs/slate-issues/issue-clusters.md、docs/slate-issues/package-impact-matrix.md、docs/slate-issues/requirements-from-issues.md、docs/slate-issues/roadmap-from-issues.md。 ### 反懒惰规则与评分模型 计划明确列出强制性的反懒惰规则其中多条与该技能方法论一一对应100% open issues 进入台账前不做架构推荐closed issues 不得自行创建主题、只能强化 open 主题的复发信号区分事实、推断与建议Unknown允许用于根因但禁止虚假确定。 评分采用加权公式每簇 15 分 text priority (pain * recurrence) architectural_depth breadth v2_leverage【免费下载链接】plateRich-text editor with AI and shadcn/ui项目地址: https://gitcode.com/GitHub_Trending/pl/plate创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
