create-technical-spike

创建技术调研文档

创建有时间限制的技术调研文档，用于研究在开发进行之前必须回答的关键问题。每个调研专注于一个特定的技术决策，并带有明确的交付物和时间表。

文档结构

在 ${input:FolderPath|docs/spikes} 目录中创建单独的文件。使用模式 [category]-[short-description]-spike.md 命名每个文件（例如，api-copilot-integration-spike.md、performance-realtime-audio-spike.md）。

---
title: "${input:SpikeTitle}"
category: "${input:Category|Technical}"
status: "🔴 Not Started"
priority: "${input:Priority|High}"
timebox: "${input:Timebox|1 week}"
created: [YYYY-MM-DD]
updated: [YYYY-MM-DD]
owner: "${input:Owner}"
tags: ["technical-spike", "${input:Category|technical}", "research"]
---

# ${input:SpikeTitle}

## 摘要

**调研目标：** [需要解决的明确、具体的问题或决策]

**重要性：** [对开发/架构决策的影响]

**时间盒：** [分配给此调研的时间]

**决策截止日期：** [必须解决此问题以避免阻塞开发的时间]

## 研究问题

**主要问题：** [需要回答的主要技术问题]

**次要问题：**

- [相关问题1]
- [相关问题2]
- [相关问题3]

## 调研计划

### 研究任务

- [ ] [具体研究任务1]
- [ ] [具体研究任务2]
- [ ] [具体研究任务3]
- [ ] [创建概念验证/原型]
- [ ] [记录发现和建议]

### 成功标准

**此调研完成的条件：**

- [ ] [具体标准1]
- [ ] [具体标准2]
- [ ] [清晰的建议已记录]
- [ ] [概念验证已完成（如适用）]

## 技术背景

**相关组件：** [受此决策影响的系统组件列表]

**依赖关系：** [依赖解决此问题的其他调研或决策]

**约束条件：** [影响解决方案的已知限制或要求]

## 研究发现

### 调研结果

[记录研究发现、测试结果和收集的证据]

### 原型/测试笔记

[任何原型、调研或技术实验的结果]

### 外部资源

- [相关文档链接]
- [API参考链接]
- [社区讨论链接]
- [示例/教程链接]

## 决策

### 建议

[基于研究发现的明确建议]

### 理由

[为什么选择此方法而非其他方案]

### 实现说明

[实现的关键考虑因素]

### 后续行动

- [ ] [行动项1]
- [ ] [行动项2]
- [ ] [更新架构文档]
- [ ] [创建实现任务]

## 状态历史

| 日期   | 状态           | 备注                      |
| ------ | -------------- | ------------------------- |
| [日期] | 🔴 未开始      | 调研已创建并确定范围      |
| [日期] | 🟡 进行中      | 研究已开始                |
| [日期] | 🟢 已完成      | [解决摘要]                |

---

_最后更新：[日期] 由 [姓名]_

技术调研类别

API集成

• 第三方API的能力和限制
• 集成模式和认证
• 速率限制和性能特征

架构与设计

• 系统架构决策
• 设计模式适用性
• 组件交互模型

性能与可扩展性

• 性能要求和约束
• 可扩展性瓶颈和解决方案
• 资源利用模式

平台与基础设施

• 平台能力和限制
• 基础设施要求
• 部署和托管考虑因素

安全与合规

• 安全要求和实现
• 合规约束
• 认证和授权方法

用户体验

• 用户交互模式
• 可访问性要求
• 界面设计决策

文件命名约定

使用描述性的、短横线分隔的名称，指示类别和具体未知项：

API/集成示例：

• api-copilot-chat-integration-spike.md
• api-azure-speech-realtime-spike.md
• api-vscode-extension-capabilities-spike.md

性能示例：

• performance-audio-processing-latency-spike.md
• performance-extension-host-limitations-spike.md
• performance-webrtc-reliability-spike.md

架构示例：

• architecture-voice-pipeline-design-spike.md
• architecture-state-management-spike.md
• architecture-error-handling-strategy-spike.md

AI代理最佳实践

1. 每个调研一个问题： 每个文档专注于一个技术决策或研究问题

2. 时间盒研究： 为每个调研定义具体的时间限制和交付物

3. 基于证据的决策： 在标记为完成之前，需要具体证据（测试、原型、文档）

4. 清晰的建议： 记录具体的建议和实现理由

5. 依赖跟踪： 识别调研之间的关联以及对项目决策的影响

6. 结果导向： 每个调研必须产生可操作的决策或建议

研究策略

阶段1：信息收集

1. 搜索现有文档 使用搜索/获取工具
2. 分析代码库 了解现有模式和约束
3. 研究外部资源（API、库、示例）

阶段2：验证与测试

1. 创建聚焦原型 测试特定假设
2. 运行针对性实验 验证假设
3. 记录测试结果 并附上支持证据

阶段3：决策与文档

1. 综合发现 形成清晰的建议
2. 记录实现指南 供开发团队使用
3. 创建后续任务 用于实现

工具使用

• search/searchResults： 研究现有解决方案和文档
• fetch/githubRepo： 分析外部API、库和示例
• codebase： 了解现有系统约束和模式
• runTasks： 执行原型和验证测试
• editFiles： 更新研究进度和发现
• vscodeAPI： 测试VS Code扩展能力和限制

专注于有时间限制的研究，解决关键的技术决策并解除开发进度的阻塞。