dsh-plugin-t-expert 0.4.37 → 0.4.48

package/data/source.json

@@ -1,6 +1,6 @@
 {
-  "updatedAt": "2026-09-15 19:33:48 +0800",
-  "expertFiles": 645,
+  "updatedAt": "2026-09-29 14:20:00 +0800",
+  "expertFiles": 624,
   "divisions": [
     "academic",
     "company",
@@ -25,5 +25,5 @@
     "support",
     "testing"
   ],
-  "note": "本仓名册清单：data/experts 是真源（含 322 个从 WorkBuddy 导入的目录形态专家）"
+  "note": "本仓名册清单：data/experts 是真源（含从 WorkBuddy 导入的目录形态专家）。2026-09-29 移除 22 位绑定腾讯内部系统的专家（代码层端点指向 *.woa.com 等内网域名），645 → 624。"
 }

package/lib/client.js

@@ -67,7 +67,7 @@ var SectionBoundary = class extends import_react.default.Component {
 
 // src/client/state.js
 var NS = "t-team";
-var CLIENT_BUILD_VERSION = "0.4.37";
+var CLIENT_BUILD_VERSION = "0.4.48";
 var PLUGIN_ID = "dsh-plugin-t-expert";
 var DIVISION_FALLBACK = "specialized";
 var NEW_DIVISION = "__new";

package/lib/fetch-assets.js

@@ -54,6 +54,159 @@ export async function loadRoster(path) {
   }
 }
 
+// ---------------------------------------------------------------------------
+// 远端清单（roster.json 放 OBS）：让「只更新专家、不动插件」成为可能。
+//
+// 背景：原来 `data/roster.json` 只随插件包发布，于是改专家必须发版、用户必须升级，
+// 否则老用户手上的清单永远停在旧 sha256、判定 READY 永不刷新。解法是清单也放云端：
+// `upload-obs.mjs` 早就在传 `agetn/roster.json`，这里补「运行时优先读远端」这半边。
+//
+// 安全：远端清单一旦成为权威来源，就能指挥客户端下载任意 URL。所以**必须**过一道
+// `sanitizeRemoteRoster` —— baseUrl 只能等于包内清单的 baseUrl（随 npm 签名包走、可信），
+// path / sha256 / bytes / dirs 逐条校验形态，条目数设上限。任何一条不合法就整份丢弃、
+// 回退缓存或包内。宁可退回旧清单，也不能让一份被篡改的清单指挥下载。
+// ---------------------------------------------------------------------------
+
+/** 兜底白名单：包内清单没有 baseUrl 时的唯一允许地址。 */
+const ALLOWED_BASE_URL = "https://aitoolsdata.obs.cn-south-4.myhuaweicloud.com/agetn";
+
+/** 远端清单拉取的超时（毫秒）—— 拉不到就回退，别拖住召唤。 */
+export const ROSTER_FETCH_TIMEOUT_MS = 8000;
+
+/** 缓存清单的保鲜期（毫秒）。过期后下次调用会触发后台刷新。 */
+export const ROSTER_TTL_MS = 12 * 60 * 60 * 1000;
+
+/** 单包体积上限（防清单里塞进一个超大对象把客户端下爆）。 */
+const MAX_PACK_BYTES = 200 * 1024 * 1024;
+
+/** 远端条目数最多比包内多出这么多（防塞入海量条目）。 */
+const MAX_ROSTER_EXTRA = 200;
+
+/** 远端 roster.json 本体的体积上限（防塞大 JSON）。 */
+const MAX_ROSTER_TEXT = 2 * 1024 * 1024;
+
+/**
+ * 校验一份**远端**清单，只保留逐条通过白名单规则的条目。
+ *
+ * 原则：**宁可丢掉条目，也不放行可疑内容**。校验不过的条目直接跳过，不是整个报错 ——
+ * 但若整份清单连 baseUrl / 结构 / 条数上限都过不了，就返回 `undefined` 让调用方回退。
+ *
+ * @param {unknown} data - `JSON.parse` 后的远端清单。
+ * @param {object|undefined} bundled - 包内清单（可信基线：baseUrl 与条目数上限都取自它）。
+ * @returns {object|undefined} 干净的清单（结构与包内一致），或 `undefined` 表示整份不可用。
+ */
+export function sanitizeRemoteRoster(data, bundled) {
+  if (data === null || typeof data !== "object") return undefined;
+  const obj = /** @type {any} */ (data);
+  // baseUrl 只能等于包内清单的 baseUrl（随 npm 包走、可信）；包内没有时退回写死常量。
+  const allowedBase = typeof bundled?.baseUrl === "string" && bundled.baseUrl !== ""
+    ? bundled.baseUrl
+    : ALLOWED_BASE_URL;
+  if (typeof obj.baseUrl !== "string" || obj.baseUrl !== allowedBase) return undefined;
+  if (obj.packs === null || typeof obj.packs !== "object") return undefined;
+
+  const bundledCount = bundled?.packs && typeof bundled.packs === "object"
+    ? Object.keys(bundled.packs).length
+    : 0;
+
+  const packs = {};
+  for (const [key, raw] of Object.entries(obj.packs)) {
+    if (raw === null || typeof raw !== "object") continue;
+    const info = /** @type {any} */ (raw);
+    // key 必须是 `<分区>/<slug>`：小写字母数字与连字符两段，其它一律拒。
+    const m = /^([a-z0-9-]+)\/([a-z0-9-]+)$/u.exec(key);
+    if (m === null) continue;
+    // path 必须严格等于 `packs/<分区>/<slug>.tar.gz`（没有 ../、没有绝对路径、没有其它目录）。
+    if (typeof info.path !== "string" || info.path !== `packs/${m[1]}/${m[2]}.tar.gz`) continue;
+    // sha256 必须是 64 位十六进制。
+    if (typeof info.sha256 !== "string" || !/^[0-9a-f]{64}$/u.test(info.sha256)) continue;
+    // bytes 非负整数且不超上限。
+    if (!Number.isInteger(info.bytes) || info.bytes < 0 || info.bytes > MAX_PACK_BYTES) continue;
+    // dirs 必须是字符串数组，且每项是「纯目录名」（不含斜杠、不含 `..`）—— 解包时按它删目录。
+    if (!Array.isArray(info.dirs) || info.dirs.length === 0) continue;
+    if (info.dirs.some((d) => typeof d !== "string" || d === "" || d.includes("/") || d.includes("..") || d.includes("\\"))) continue;
+    packs[key] = {
+      division: m[1],
+      slug: m[2],
+      path: info.path,
+      bytes: info.bytes,
+      sha256: info.sha256,
+      dirs: info.dirs,
+    };
+  }
+
+  const count = Object.keys(packs).length;
+  if (count > bundledCount + MAX_ROSTER_EXTRA) return undefined;
+  return { ...obj, packs };
+}
+
+/**
+ * 拉一份远端清单，经 {@link sanitizeRemoteRoster} 校验。
+ *
+ * @param {object|undefined} bundled - 包内清单（校验基线）。
+ * @param {typeof fetch} [fetchImpl] - 仅测试用。
+ * @returns {Promise<object|undefined>} 通过校验的清单，失败/超时/非法一律 `undefined`。
+ */
+export async function fetchRemoteRoster(bundled, fetchImpl = fetch) {
+  const base = typeof bundled?.baseUrl === "string" && bundled.baseUrl !== ""
+    ? bundled.baseUrl
+    : ALLOWED_BASE_URL;
+  const url = `${base.replace(/\/$/u, "")}/roster.json`;
+  const ctrl = new AbortController();
+  const timer = setTimeout(() => ctrl.abort(), ROSTER_FETCH_TIMEOUT_MS);
+  try {
+    const res = await fetchImpl(url, { signal: ctrl.signal, headers: { Accept: "application/json" } });
+    if (res.ok !== true) return undefined;
+    const text = await res.text();
+    if (text.length > MAX_ROSTER_TEXT) return undefined;
+    let data;
+    try {
+      data = JSON.parse(text);
+    } catch {
+      return undefined;
+    }
+    return sanitizeRemoteRoster(data, bundled);
+  } catch {
+    return undefined;
+  } finally {
+    clearTimeout(timer);
+  }
+}
+
+/**
+ * 读磁盘上的清单缓存。返回 `{ fetchedAt, roster }` 或 `undefined`。
+ * @param {string} path - 缓存文件路径。
+ */
+export async function readCachedRoster(path) {
+  const text = await readFile(path, "utf8").catch(() => undefined);
+  if (text === undefined) return undefined;
+  try {
+    const data = JSON.parse(text);
+    if (data === null || typeof data !== "object") return undefined;
+    if (typeof data.fetchedAt !== "number" || data.roster === null || typeof data.roster !== "object") {
+      return undefined;
+    }
+    // 与 loadRoster 对齐：packs 必须是对象，否则视为坏缓存（缺 packs 的清单会让后续查不到任何附件）。
+    if (typeof data.roster.packs !== "object" || data.roster.packs === null) return undefined;
+    return { fetchedAt: data.fetchedAt, roster: data.roster };
+  } catch {
+    return undefined;
+  }
+}
+
+/**
+ * 写清单缓存。失败不抛（缓存只是加速，不是正确性依赖）。
+ * @param {string} path - 缓存文件路径。
+ * @param {object} roster - 已校验的清单。
+ */
+export async function writeCachedRoster(path, roster) {
+  await writeFile(
+    path,
+    `${JSON.stringify({ fetchedAt: Date.now(), roster }, null, 2)}\n`,
+    "utf8",
+  ).catch(() => undefined);
+}
+
 /**
  * 查某位专家的远程附件信息。
  * @returns 清单条目（含 path / bytes / sha256 / dirs），没有则 `undefined`。
@@ -213,9 +366,10 @@ export const ASSET_DIRS = [
  * @param {string} options.packDir - 专家包目录（绝对路径）。
  * @param {string} options.slug - 专家 slug（写进说明里的工具调用示例）。
  * @param {boolean} [options.remote] - 该专家的附件是否走云端（决定要不要提「尚未下载」）。
+ * @param {boolean} [options.hasBin] - 包内是否有 `bin/`（决定要不要补「CLI 不在 PATH 里」那段）。
  * @returns {string} 改写后的正文。
  */
-export function annotatePersona({ text, packDir, slug, remote = false }) {
+export function annotatePersona({ text, packDir, slug, remote = false, hasBin = false }) {
   const root = packDir.endsWith("/") ? packDir : `${packDir}/`;
   // 负向后顾是关键：`~/.workbuddy/skills-marketplace/skills/xxx/SKILL.md` 里第二个 `skills/`
   // 前面是 `/`，那是别人的路径、不该动（2026-09-29 实测误改过一次）。
@@ -227,6 +381,18 @@ export function annotatePersona({ text, packDir, slug, remote = false }) {
     `> **资源目录**：\`${root}\``,
     "> 正文里出现的 `skills/`、`references/` 等相对路径都相对于该目录；请用上面的绝对路径读取。",
   ];
+  // 带 CLI 的专家（包内有 bin/）：命令名本身**不在 PATH 里**，得用绝对路径调。
+  // WorkBuddy 的宿主会把专家包的 bin/ 挂进 PATH，DSH 不会 —— 而正文里写的是裸命令名
+  // （「用 `cpq` 命令」「`use_skill inquiry-price`」），照做就是 command not found。
+  // 2026-09-29 实测：cpq 的 bin/health-check 报「❌ cpq: 未找到（请检查 bin/ 目录）」。
+  if (hasBin === true) {
+    const binDir = `${root}bin/`;
+    lines.push(
+      `> **可执行脚本**：本专家的 CLI 在 \`${binDir}\`（注意它**不在** PATH 里）。` +
+      `调用时用绝对路径，例如 \`${binDir}<脚本名> --help\`；` +
+      `要先按正文里的裸命令名调用，可先执行 \`export PATH="${root}bin:$PATH"\`。`,
+    );
+  }
   if (remote === true) {
     lines.push(`> 若某个文件不存在，说明配套资源尚未下载到本机 —— 先调用 \`fetch_expert_assets("${slug}")\` 拉取，再读。`);
   }

package/lib/index.js

@@ -41,7 +41,7 @@ import {
   writeFileAtomic,
 } from "./catalog.js";
 // 云端附件分发（2026-09-29）：人格留在本地，技能与数据文件按需从 OBS 拉取。
-import { annotatePersona, assetsState, ensureAssets, kickoffAssets, loadRoster, packInfoFor, ASSETS_READY } from "./fetch-assets.js";
+import { annotatePersona, assetsState, ensureAssets, kickoffAssets, loadRoster, packInfoFor, ASSETS_READY, fetchRemoteRoster, readCachedRoster, writeCachedRoster, ROSTER_TTL_MS } from "./fetch-assets.js";
 
 /**
  * 插件根目录（`lib/` 的上一级）。
@@ -687,10 +687,59 @@ export function apply(ctx, config) {
     };
   }
 
-  /** 云端分发清单只读一次（启动后不变）。读不到就当作「没有远程附件」。 */
+  /** 云端分发清单：缓存 → 远端 → 包内，三级回退（见 fetch-assets.js 的远端清单段）。 */
   let rosterPromise;
+  let rosterFetchedAt = 0;
+  let rosterRefreshing = false;
+  /** 缓存文件放数据目录（`~/.t-team/`），不进包、不进名册扫描。 */
+  const rosterCachePath = () => join(dirname(config.root), "roster-cache.json");
+
+  /** 首次解析：缓存新鲜直接用 → 拉远端 → 回退缓存/包内。 */
+  async function resolveRoster() {
+    const cached = await readCachedRoster(rosterCachePath());
+    if (cached !== undefined && Date.now() - cached.fetchedAt < ROSTER_TTL_MS) {
+      rosterFetchedAt = cached.fetchedAt;
+      return cached.roster;
+    }
+    const bundled = await loadRoster(join(HERE, "data", "roster.json"));
+    const remote = await fetchRemoteRoster(bundled);
+    if (remote !== undefined) {
+      rosterFetchedAt = Date.now();
+      await writeCachedRoster(rosterCachePath(), remote);
+      return remote;
+    }
+    // 远端拉不到：这次也标记时间，TTL 内不再重复打远端；回退缓存（即使过期）→ 包内。
+    rosterFetchedAt = Date.now();
+    if (cached !== undefined) return cached.roster;
+    return bundled;
+  }
+
+  /** 后台刷新（TTL 过期后触发，不阻塞当前调用）：强制拉远端，拉到才替换。 */
+  async function refreshRoster() {
+    const bundled = await loadRoster(join(HERE, "data", "roster.json"));
+    const remote = await fetchRemoteRoster(bundled);
+    // 无论成败都标记时间：失败时若不动这个值，rosterOnce 会在「still 超 TTL 且 not refreshing」
+    // 的条件下对每次召唤都再触发一次 8 秒超时的远端拉取（2026-09-29 逐行审查发现）。
+    rosterFetchedAt = Date.now();
+    if (remote === undefined) return undefined;
+    await writeCachedRoster(rosterCachePath(), remote);
+    return remote;
+  }
+
   function rosterOnce() {
-    rosterPromise ??= loadRoster(join(HERE, "data", "roster.json"));
+    if (rosterPromise === undefined) {
+      rosterPromise = resolveRoster();
+    } else if (Date.now() - rosterFetchedAt > ROSTER_TTL_MS && rosterRefreshing === false) {
+      // 过期了：先用旧清单继续跑，后台拉新的，拉到就替换。
+      rosterRefreshing = true;
+      void refreshRoster()
+        .then((fresh) => {
+          if (fresh !== undefined) rosterPromise = Promise.resolve(fresh);
+        })
+        .finally(() => {
+          rosterRefreshing = false;
+        });
+    }
     return rosterPromise;
   }
 
@@ -733,6 +782,9 @@ export function apply(ctx, config) {
       packDir: expert.packDir,
       slug: expert.slug,
       remote: info !== undefined,
+      // 有 bin/ 的专家，CLI 得用绝对路径调（DSH 不像 WorkBuddy 那样把包内 bin/ 挂进 PATH）：
+      // 清单里登记了 bin 就写这段说明（附件还没下载时同样有用），目录已在本地也算数。
+      hasBin: (info?.dirs ?? []).includes("bin") || existsSync(join(expert.packDir, "bin")),
     });
   }
 

package/package.json

@@ -1,8 +1,8 @@
 {
   "name": "dsh-plugin-t-expert",
-  "version": "0.4.37",
+  "version": "0.4.48",
   "type": "module",
-  "description": "T Expert — a 645-expert, 22-division roster with full Chinese translations, as a standalone DeepSeek Harness plugin.",
+  "description": "T Expert — a 624-expert, 22-division roster with full Chinese translations, as a standalone DeepSeek Harness plugin.",
   "icon": "icon.svg",
   "license": "MIT",
   "author": "jiuaiwo",

package/vendor/third-party-licenses/README.md

@@ -5,7 +5,7 @@
 
 | 文件 | 覆盖的随包内容 | 来源 |
 | --- | --- | --- |
-| `agency-agents.LICENSE` | `data/experts/`（22 分区 / 645 位；其中 323 位来自第三方 —— 279 位为上游仓库逐字节镜像、35 位来自名册来源包快照、7 位于 2026-09-15 与 `agency-agents-zh` 源仓库对齐时补齐；余 2 位为本仓自建；另有 322 位为 2026-09-29 从 WorkBuddy 专家市场导入，其许可归腾讯及其专家作者 —— 以上 324 位均不由本许可覆盖） | The Agency / AgentLand 名册快照，MIT |
+| `agency-agents.LICENSE` | `data/experts/`（22 分区 / 624 位；其中 323 位来自第三方 —— 279 位为上游仓库逐字节镜像、35 位来自名册来源包快照、7 位于 2026-09-15 与 `agency-agents-zh` 源仓库对齐时补齐；余 2 位为本仓自建；另有 300 位为 2026-09-29 从 WorkBuddy 专家市场导入，其许可归腾讯及其专家作者 —— 以上 304 位均不由本许可覆盖） | The Agency / AgentLand 名册快照，MIT |
 | `agency-agents-zh.LICENSE` | `data/zh/` 中的中文名字、简介与人格正文（含 2026-09-15 对齐时直接取自该仓库的 7 篇正文） | `agency-agents-zh` 中文翻译与本地化资产，MIT |
 
 两份文本都是从实际用于生成快照的来源包内**逐字节复制**的，未经改写：

package/data/experts/design/cloud-requirement-expert/.codebuddy-plugin/plugin.json

@@ -1,67 +0,0 @@
-{
-  "name": "cloud-requirement-expert",
-  "version": "1.0.0",
-  "description": "Cloud product requirement expert — intelligent generation, structured enrichment, AI-read layer creation, and requirement splitting via requirement-assistant MCP Server.",
-  "author": {
-    "name": "selinaywu",
-    "email": "selinaywu@tencent.com"
-  },
-  "expertType": "agent",
-  "agentName": "cloud-requirement-expert",
-  "agents": [
-    "./agents/cloud-requirement-expert.md"
-  ],
-  "skills": [
-    "./skills/requirement-assistant"
-  ],
-  "displayName": {
-    "en": "Zhen",
-    "zh": "甄需明"
-  },
-  "profession": {
-    "en": "Cloud Product Requirement Expert",
-    "zh": "云产品需求专家"
-  },
-  "displayDescription": {
-    "en": "Specializes in cloud product requirement generation, structured enrichment, AI-read layer creation, and requirement splitting — covering the full workflow from ideation to delivery.",
-    "zh": "专注云产品需求的智能生成、结构化补全、AI读层生成与需求拆分，完整覆盖从想法到交付的全流程管理。"
-  },
-  "avatar": "avatars/expert.png",
-  "categoryId": "01-ProductDesign",
-  "defaultInitPrompt": {
-    "zh": "用户希望能够批量导入数据，帮我整理成需求",
-    "en": "Users want to batch import data, help me structure this requirement"
-  },
-  "tags": [
-    {
-      "en": "Requirement Generation",
-      "zh": "需求生成"
-    },
-    {
-      "en": "Requirement Enrichment",
-      "zh": "需求补全"
-    },
-    {
-      "en": "Requirement Splitting",
-      "zh": "需求拆分"
-    }
-  ],
-  "quickPrompts": [
-    {
-      "en": "Users want to batch import data, help me structure this requirement",
-      "zh": "用户希望能够批量导入数据，帮我整理成需求"
-    },
-    {
-      "en": "Help me complete the background, goals, and acceptance criteria for an existing requirement",
-      "zh": "帮我补全已有需求的背景、目标和验收标准"
-    },
-    {
-      "en": "Help me analyze this complex requirement and split it into independent sub-requirements",
-      "zh": "帮我分析这个复杂需求并拆分成可独立交付的子需求"
-    }
-  ],
-  "dependencies": {
-    "mcpServers": "./.mcp.json"
-  },
-  "plugin": "cloud-requirement-expert"
-}

package/data/experts/design/cloud-requirement-expert/.downloaded_at

@@ -1 +0,0 @@
-2026-09-29T03:25:14.710229+00:00

package/data/experts/design/cloud-requirement-expert/.imported-from-workbuddy

@@ -1,7 +0,0 @@
-{
-  "plugin": "cloud-requirement-expert",
-  "division": "design",
-  "categoryId": "01-ProductDesign",
-  "importedAt": "2026-09-29T12:42:04",
-  "source": "workbuddy expert marketplace (COS)"
-}

package/data/experts/design/cloud-requirement-expert/.mcp.json

@@ -1,22 +0,0 @@
-{
-  "mcpServers": {
-    "requirement-assistant": {
-      "transportType": "streamable-http",
-      "url": "https://cpeo.mcp.it.woa.com",
-      "x-workbuddy": {
-        "displayName": {
-          "zh": "需求助手 MCP 服务",
-          "en": "Requirement Assistant MCP Server"
-        },
-        "description": {
-          "zh": "连接后可支持需求智能生成、结构化补全、需求拆分与写回，覆盖从想法到交付的完整流程",
-          "en": "Enable intelligent requirement generation, structured enrichment, splitting and write-back, covering the full workflow from ideation to delivery"
-        },
-        "icon": "./avatars/expert.png",
-        "auth": {
-          "type": "oauth"
-        }
-      }
-    }
-  }
-}

package/data/experts/design/cloud-requirement-expert/README.md

@@ -1,52 +0,0 @@
-# 云产品需求专家（Requirement Assistant）
-
-基于 `requirement-assistant` MCP Server 的云产品需求专家，支持从一句话想法到正式建单的完整需求管理流程。
-
-## 类型
-
-Agent 型（单个 AI 专家）
-
-> ⚠️ 本工具仅适用于腾讯内网环境（依赖 TAPD + 太湖 OAuth）
-
-## 功能
-
-1. **新建需求**：根据一句话想法、会议纪要、聊天记录或草稿生成正式 TAPD 需求，先预览再建单
-2. **补全已有需求**：对已有 TAPD 需求结构化补全（背景、目标、范围、验收标准、风险、竞品等），先预览再写回
-3. **生成 AI 读层**：为已有 PRD 生成结构化摘要，供下游 AI 系统消费
-4. **更新已有需求**：修改已创建需求的标题、描述、状态、优先级等字段，支持插入本地图片
-5. **需求拆分**：按业务流程/功能模块/架构维度拆分子需求，INVEST 质量门禁检验
-
-## 前置条件
-
-使用前需在 WorkBuddy 中配置 `requirement-assistant` MCP Server：
-
-1. 打开 WorkBuddy 左上角 **⚙️ 设置 → 连接器**
-2. 添加 `requirement-assistant` MCP Server（远程 `streamable-http` 类型）
-3. 配置请求头：
-   - `Authorization: Bearer <mcp_server_auth_token>`
-   - `X-Tapd-Access-Token: <tapd_personal_access_token>`
-
-详细配置模板见 `skills/requirement-assistant/references/remote-mcp-setup.md`。
-
-## 运行时依赖
-
-- Python 3.8+
-- `pip install requests`（本地图片上传功能需要）
-- **TAPD Token**：详见 [Token 配置指南](skills/requirement-assistant/references/token-setup-guide.md)（支持环境变量 `TAPD_ACCESS_TOKEN` 或连接器 Header `X-Tapd-Access-Token`）
-
-## 使用示例
-
-- "帮我基于这个内容生成一个 TSF 的 TAPD 需求"
-- "补全需求 1234567890 的背景、验收标准和竞品分析"
-- "把这个需求的 PRD 生成一个 AI 读层"
-- "把需求 1234567890 的优先级改为高，负责人改成张三"
-- "这个需求太大了，帮我按功能模块拆分成子需求"
-
-## 头像
-
-头像已自动生成在 `avatars/` 目录下。如需替换为自定义头像，要求：
-- 格式：PNG（推荐）或 JPG
-- 尺寸：512×512 px
-- 大小：单张不超过 500KB
-
-

package/data/experts/design/cloud-requirement-expert/persona.md

@@ -1,88 +0,0 @@
----
-name: 云产品需求专家
-nameEn: Cloud Product Requirement Expert
-description: 专注云产品需求的智能生成、结构化补全、AI读层生成与需求拆分，完整覆盖从想法到交付的全流程管理。
-descriptionEn: Cloud Product Requirement Expert
-emoji: 🎨
-color: "#EC4899"
-vibe: 云产品需求专家
----
-# 云产品需求专家
-
-我是云产品需求专家，专注于云产品需求的智能生成、结构化补全、AI读层生成与需求拆分。我通过 `requirement-assistant` MCP Server 作为后端执行引擎，覆盖从一句话想法到正式 TAPD 建单的完整需求管理流程。
-
-## 核心能力
-
-1. **新建需求**：根据一句话想法、会议纪要、聊天记录或草稿生成正式 TAPD 需求，支持先预览草案再决定是否建单，预览后不满意可改写后再创建。
-2. **补全已有需求**：对已有 TAPD 需求进行结构化补全（背景、目标、范围、验收标准、风险、竞品等），先预览补全结果，用户确认后再写回 TAPD。
-3. **生成 AI 读层**：为已有 PRD 正文生成结构化的 AI 可读层摘要，方便下游 AI 系统消费。
-4. **更新已有需求**：修改已创建 TAPD 需求的字段（标题、描述、状态、优先级、负责人、自定义字段等），支持插入本地图片。
-5. **需求拆分**：将复杂需求按业务流程、功能模块或架构技术栈维度拆分为可独立交付的子需求（子 Story），使用 INVEST 原则进行质量门禁检验。
-
-## 工作流程
-
-### 新建需求
-1. 确认产品/项目、用户目标（预览还是建单）、是否需要按模板生成
-2. 调用 `start_new_requirement(action=preview)` 生成预览草案
-3. 轮询状态直到完成，展示 PRD 标题和内容摘要
-4. 用户不满意可 `action=revise` 改写草稿
-5. 用户确认后 `action=create` 创建 TAPD 需求
-
-### 补全已有需求
-1. 确认 `story_id`、产品/工作空间、补全模块范围
-2. 必要时先调用 `get_story_detail` 了解当前需求内容
-3. 调用 `enrich_existing_requirement(action=preview)` 预览补全结果
-4. 用户不满意可 `action=revise` 改写补全草稿
-5. 用户确认后 `action=apply` 写回 TAPD
-
-### 生成 AI 读层
-1. 获取 PRD 正文（来自预览结果/TAPD需求/用户粘贴）
-2. 调用 `generate_ai_read_layer` 生成结构化 AI 读层
-3. 如需写回 TAPD，调用 `update_tapd_story` 完成
-
-### 更新已有需求
-1. 确认要修改的字段和内容
-2. 调用 `update_tapd_story` 执行通用字段编辑
-3. 如需插入本地图片，先执行上传脚本拿到 `image_html_codes`
-
-### 需求拆分
-1. 获取需求详情，按框架判断是否需要拆分
-2. 选择主切维度（业务流程/功能模块/架构技术栈），叠加辅助维度调整
-3. 执行 INVEST 质量门禁检验
-4. 生成拆分报告供用户审阅
-5. 用户确认后逐个创建子需求并关联父需求
-
-## 输出规范
-
-- 统一输出顺序：当前阶段 → 结果摘要 → 缺失信息/风险 → 下一步建议
-- 不原样粘贴整段 MCP JSON 给用户，整理为可读摘要
-- 明确标注结果来源：MCP 预览结果 / 人工草案
-- 不在模板未锁定时宣称"已按模板生成"
-- 预览 running 时只做进度同步，不用人工草案冒充 MCP 结果
-- 所有 create、apply、update 和拆分后建单动作需用户明确确认
-
-## 前置检查：MCP 可用性
-
-在执行任何 TAPD 操作前，先检查 `requirement-assistant` MCP Server 是否可用。
-
-**若 MCP Server 未连接**，不要继续走后续工作流，直接主动提示用户：
-
-> ⚠️ `requirement-assistant` MCP Server 未连接，无法执行 TAPD 操作。
->
-> 请重新召唤本专家，WorkBuddy 会弹出连接引导卡片，通过太湖完成授权。
->
-> 如果你只是想先看一版需求草案（非 TAPD 创建），我也可以直接整理。
-
-**若 MCP Server 已连接但返回 401 / 403**：
-
-> ⚠️ 认证失败，太湖授权可能已过期。请重新连接 MCP Server 刷新授权。
->
-> 如果提供过 TAPD 个人令牌，也请检查 `X-Tapd-Access-Token` 是否有效。
-
-## 注意事项
-
-- 预览生成通常需 1-5 分钟，超过 10 分钟可能服务端异常
-- 缺失 TAPD 必填字段时必须先补齐再创建或写回
-- 插入本地图片依赖 TAPD Access Token，缺少凭据时需提示用户补齐
-- AI 不估算绝对工时、不定义绝对优先级，只识别信号并给出建议，人做最终决策
-- 需求信息不完整或存在歧义时，暂停操作并向用户确认

package/data/experts/engineering/databrain-opinion-expert/.codebuddy-plugin/plugin.json

@@ -1,80 +0,0 @@
-{
-  "name": "databrain-opinion-expert",
-  "version": "1.0.0",
-  "description": "DataBrain Opinion Expert: player reputation and sentiment scout for score alerts, content trends, competitor comparison, and hot topic discovery.",
-  "author": {
-    "name": "DataBrain Team",
-    "email": "databrain@tencent.com"
-  },
-  "keywords": [
-    "databrain",
-    "opinion",
-    "game sentiment",
-    "brand health",
-    "hotposts",
-    "alert",
-    "competitor events",
-    "content trend"
-  ],
-  "agents": [
-    "./agents/databrain-opinion-expert.md"
-  ],
-  "skills": [
-    "./skills/databrain-opinion-metrics",
-    "./skills/databrain-opinion-summary",
-    "./skills/databrain-opinion-hotposts",
-    "./skills/databrain-opinion-alert",
-    "./skills/databrain-competitor-events",
-    "./skills/databrain-game-content-trend",
-    "./skills/opinions-crawler"
-  ],
-  "expertType": "agent",
-  "agentName": "databrain-opinion-expert",
-  "displayName": {
-    "en": "DataBrain Opinion Expert",
-    "zh": "DataBrain舆情分析专家"
-  },
-  "profession": {
-    "en": "DataBrain Opinion Expert",
-    "zh": "DataBrain舆情分析专家"
-  },
-  "displayDescription": {
-    "en": "Player reputation and opinion scout covering score alerts, content trends, competitor comparison, and hot topic discovery to sense player voices in real time.",
-    "zh": "玩家口碑与舆情侦察兵，覆盖评分告警、内容趋势、竞品对比与热点挖掘，实时感知玩家声音，辅助运营决策"
-  },
-  "avatar": "avatars/expert.jpg",
-  "categoryId": "04-DataAI",
-  "defaultInitPrompt": {
-    "zh": "帮我查看一款游戏近期玩家口碑与舆情变化，识别风险、热点和可跟进建议。",
-    "en": "Analyze recent player reputation and opinion changes for a game, identifying risks, hot topics, and actionable suggestions."
-  },
-  "plugin": "databrain-opinion-expert",
-  "tags": [
-    {
-      "en": "Opinion Metrics",
-      "zh": "舆情指标"
-    },
-    {
-      "en": "Score Alerts",
-      "zh": "评分告警"
-    },
-    {
-      "en": "Content Trends",
-      "zh": "内容趋势"
-    }
-  ],
-  "quickPrompts": [
-    {
-      "zh": "帮我查看一款游戏近期玩家口碑与舆情变化，识别风险、热点和可跟进建议。",
-      "en": "Analyze recent player reputation and opinion changes for a game, identifying risks, hot topics, and actionable suggestions."
-    },
-    {
-      "zh": "帮我生成某款游戏过去 24 小时的分平台热帖日报。",
-      "en": "Generate a cross-platform hot posts digest for a game over the last 24 hours."
-    },
-    {
-      "zh": "帮我设置某款游戏的商店评分下滑告警，并说明触发阈值。",
-      "en": "Set up a store score drop alert for a game and explain the trigger thresholds."
-    }
-  ]
-}

package/data/experts/engineering/databrain-opinion-expert/.downloaded_at

@@ -1 +0,0 @@
-2026-09-29T03:25:10.905238+00:00

package/data/experts/engineering/databrain-opinion-expert/.imported-from-workbuddy

@@ -1,7 +0,0 @@
-{
-  "plugin": "databrain-opinion-expert",
-  "division": "engineering",
-  "categoryId": "04-DataAI",
-  "importedAt": "2026-09-29T12:42:04",
-  "source": "workbuddy expert marketplace (COS)"
-}