New: 98,000+ skills indexed from GitHub repos with 100+ stars · every skill safety-checkedBrowse top skillsTop skills
Esc to closeBrowse all skills
Submit a skillBrowse skills
Submit a skillBrowse skills

Agent skill

Tech Insight

by LeoYeAI in LeoYeAI/openclaw-master-skills

选型结论出来后，对最终选定的方案做深度技术拆解——内部架构分析、核心机制、竞争壁垒、风险点。不是介绍文章那种表面描述，是真的去拆它怎么运作。工作流包含：架构拆解、机制分析、壁垒识别、风险评估、演进预测、深度报告。

MITAuto-check passed

Install Tech Insight

skills CLI
$ npx skills add LeoYeAI/openclaw-master-skills --skill tech-insight -a claude-code

Project install by default; add -g for ~/.claude/skills/.

GitHub CLI
$ gh skill install LeoYeAI/openclaw-master-skills tech-insight --agent claude-code

Project scope by default; add --scope user for a personal install. Needs GitHub CLI 2.90.0 or later (public preview).

Manual copy
$ git clone --depth 1 https://github.com/LeoYeAI/openclaw-master-skills.git skills-src && mkdir -p .claude/skills && cp -r skills-src/skills/technical-insight .claude/skills/tech-insight && rm -rf skills-src

Use ~/.claude/skills/ instead of .claude/skills for a personal install. The folder must contain SKILL.md.

Claude Code skills documentation · loads skills from .claude/skills/

Facts

Skill name
tech-insight
GitHub stars
2.2k
Token cost
~2.4k tokens
SKILL.md length
483 words
Files
36 (incl. references, assets)
Skills in repo
1,235
Repo updated
First seen
Licence
MIT

At a glance

选型结论出来后，对最终选定的方案做深度技术拆解——内部架构分析、核心机制、竞争壁垒、风险点。不是介绍文章那种表面描述，是真的去拆它怎么运作。工作流包含：架构拆解、机制分析、壁垒识别、风险评估、演进预测、深度报告。

  • Works in 6 steps: 收集官方文档、GitHub仓库结构、设计文档 → 识别接入层组件及其职责边界 → 分析路由/控制层的请求处理流程 → …
  • SKILL.md covers 核心方法论升级：五层分层架构模型, 优化特性, 标准化工作流（6步法） and 详细工作流步骤, plus 1 more section
  • Runs Python and Shell scripts from its folder; calls python3

What it does

Tech Insight is an agent skill from LeoYeAI/openclaw-master-skills. 选型结论出来后，对最终选定的方案做深度技术拆解——内部架构分析、核心机制、竞争壁垒、风险点。不是介绍文章那种表面描述，是真的去拆它怎么运作。工作流包含：架构拆解、机制分析、壁垒识别、风险评估、演进预测、深度报告。

Its SKILL.md is about 2.4k tokens, which your agent loads only when the skill is triggered. The skill folder holds 36 other files, including reference files and assets (for example `DEVELOPMENT_PLAN.md`, `README.md` and `SKILL-FOUR-PLUS-ONE.md`).

The repository describes itself as: 🧠 Curated collection of 1209+ best OpenClaw skills — weekly updated by MyClaw.ai. The licence is MIT.

Example prompts

  • “/tech-insight”

Requirements

  • Python 3
  • A Bash shell

Workflow steps

6 steps, taken from the first numbered list in SKILL.md.

  1. 收集官方文档、GitHub仓库结构、设计文档
  2. 识别接入层组件及其职责边界
  3. 分析路由/控制层的请求处理流程
  4. 识别逻辑层的核心业务逻辑实现
  5. 分析数据访问层的持久化策略
  6. 识别存储/外部层的依赖关系

What it can do on your machine

Read from SKILL.md and the folder at commit e5199b5. It shows what the files ask for, not the result of running them.

  • Tool permissions

    Pre-approves nothing: there is no allowed-tools line, so your agent's usual permission prompts apply.

    From allowed-tools in the SKILL.md frontmatter.

  • Runs code

    Ships script files (Python and Shell, from the files we listed), which the agent can run.

    Shell commands in SKILL.md call:

    • python3

    From the folder's file list and the shell code blocks in SKILL.md.

  • Network

    Links to these hosts (documentation or services it may open):

    • drawio.com

    From URLs in SKILL.md, links to its own repository left out.

  • Credentials

    Names no API keys, tokens, secrets or passwords.

    From names ending in _API_KEY, _TOKEN, _SECRET, _KEY or _PASSWORD in SKILL.md.

Context cost

Tech Insight loads about 2.4k tokens when it runs, and up to ~3.7k if it reads all its reference files. Until then it costs about 30 tokens; SKILL.md has 483 words of instructions outside code blocks.

Always · name and description, kept in context so the agent knows when to use it
~30
When it runs · the whole SKILL.md, loaded when a task matches
~2.4k
With references · SKILL.md plus every file in references/, read only if the agent opens them
~3.7k

Estimates: characters ÷ 4, the usual rule of thumb; real counts depend on the model's tokenizer. Scripts and assets cost tokens only if the agent reads them.

Safety

Auto-check passed

The automated check found no risky patterns in SKILL.md.

Automated static check — not a guarantee. Review scripts before installing. It scans the text of SKILL.md for risky patterns (piping downloads into a shell, reading credential files, hidden Unicode, destructive commands); files beside SKILL.md are not scanned.

SKILL.md

The full file from LeoYeAI/openclaw-master-skills at commit e5199b5, republished under its MIT licence (© LeoYeAI). 483 words, ~2,445 tokens.

Download SKILL.mdSave it as .claude/skills/tech-insight/SKILL.md (or your agent's skills folder). This skill also uses 35 other files; get the full folder from GitHub.
name
tech-insight
description
选型结论出来后，对最终选定的方案做深度技术拆解——内部架构分析、核心机制、竞争壁垒、风险点。不是介绍文章那种表面描述，是真的去拆它怎么运作。工作流包含：架构拆解、机制分析、壁垒识别、风险评估、演进预测、深度报告。
homepage
https://github.com/vincentlau2046-sudo/tech-insight

Tech Insight

深度技术拆解分析，超越表面文档，揭示技术方案的真实工作原理、设计权衡和潜在风险。

核心方法论升级：五层分层架构模型

工业标准架构表达法：采用标准化的五层分层架构模型，确保架构分析的专业性和可读性。

五层分层架构详解
  • 接入层 (Access Layer): API Gateway、Client、Web、App - 系统入口点
  • 路由/控制层 (Routing/Control Layer): Controller、Service、Manager - 请求分发和业务协调
  • 逻辑层 (Logic Layer): Core、Logic、Executor - 核心业务逻辑实现
  • 数据访问层 (Data Access Layer): DAO、Repository、Cache - 数据持久化和缓存抽象
  • 存储/外部层 (Storage/External Layer): DB、MQ、Redis、第三方服务 - 数据存储和外部依赖

优化特性

数据源增强
  • Tavily API 域名白名单配置：集成专业数据源
    • 学术论文库 (arXiv, IEEE Xplore)
    • 专利数据库 (Google Patents, USPTO)
    • 性能基准测试平台 (TechEmpower, CNCF Benchmarks)
    • 官方技术文档和设计文档
量化强化
  • 所有分析步骤优先量化，无法量化的内容明确标注"定性分析"
  • 添加置信区间 (95% CI)、评分标准 (1-10分)、具体数值要求
  • 风险评估采用量化模型，包含修复成本估算、影响范围评估、紧急程度分级
领域专业化模板
  • 技术类型模板：AI框架、数据库、分布式系统、云原生、消息队列
  • 每个模板定义特定的拆解维度和分析重点
  • 五层架构适配: 每个领域模板都针对五层分层架构进行优化
源码分析能力增强
  • 自动化分析GitHub源码结构、关键路径、复杂度指标
  • 提取设计模式、依赖关系、代码质量指标 (圈复杂度、代码重复率)
  • 调用 source-to-architecture 技能: 使用优化后的源码到架构技能进行专业架构图生成
  • 五层架构映射: 自动将代码结构映射到五层分层架构中
专业架构图生成（完全符合排版规范）
  • 五层分层架构支持: 自动生成标准化五层架构图
  • 专业排版:
    • 强制采用分层布局（Top-to-Bottom）
    • 全局网格对齐（20px网格）
    • 同层级等高/等宽（高度60px，宽度120px）
    • 水平间距80px，垂直间距60px
    • 大模块靠边，小模块居中
  • 节点样式规范:
    • 形状统一：业务模块=矩形、数据/存储=圆柱体、外部系统=斜角矩形、MQ=六边形、函数=圆角矩形
    • 颜色体系：接入层=浅蓝(#ADD8E6)、逻辑层=浅绿(#90EE90)、数据层=浅黄(#FFFFE0)、存储层=浅紫(#E6E6FA)、外部服务=灰色(#D3D3D3)
    • 字体统一：Arial 12px常规，标题14px，文字居中
  • 连线规则:
    • 统一箭头样式：数据流=实心箭头、调用=虚线箭头、依赖=简单直线
    • 连线必须正交（只允许水平/垂直）
    • 减少交叉：同层连线走外侧，跨层连线走固定通道
    • 标签位置固定：连线文字放在线上方或线中间
  • 自动美化约束:
    • 节点间距≥60px
    • 连线交叉≤5处
    • 所有文字完整可见，不被遮挡
    • 分组框完整包裹模块
    • 层间有明显空白区
    • 不允许孤立节点（除独立外部系统）
  • 双格式输出:
    • PNG 预览格式（用于文档嵌入）
    • draw.io 可编辑格式（用于专业调整）
  • 企业级标准: 遵循架构图最佳实践和企业架构规范
风险量化模型
  • 精确的技术债和风险评估量化模型
  • 包含修复成本估算 (人日)、影响范围评估 (高/中/低)、紧急程度分级 (P0-P3)

标准化工作流（6步法）

基于工业最佳实践的简单可执行工作流：

步骤1：看现有代码，抽重复逻辑
  • 分析代码库结构，识别重复模式和通用逻辑
  • 提取可复用组件和抽象层
  • 输出: 五层架构基础数据
步骤2：按业务边界做模块拆分
  • 基于业务领域和功能职责进行模块划分
  • 定义清晰的模块边界和职责
  • 输出: 五层架构模块分解
步骤3：定义接口与依赖
  • 明确定义模块间接口契约
  • 分析和优化依赖关系，避免循环依赖
  • 输出: 接口规范 + 依赖图谱
步骤4：选择分层/模式
  • 根据系统特性和约束选择合适的架构模式
  • 应用五层分层架构模式
  • 输出: 架构模式决策记录
步骤5：围绕性能、可用、扩展做决策
  • 针对非功能性需求进行架构优化
  • 在性能、可用性、可扩展性之间做权衡
  • 输出: 五层架构优化方案
步骤6：用五层分层架构画架构图
  • 基于前5步的结果，生成完整的五层分层架构图
  • 确保各层之间的一致性和完整性
  • 输出: 标准化五层架构图

详细工作流步骤

步骤1：内部架构拆解（五层分层架构基础）

方法论：

  • 五层分层架构模型应用框架
  • 组件依赖分析模型
  • 数据流拓扑分析

实施步骤：

  1. 收集官方文档、GitHub仓库结构、设计文档
  2. 识别接入层组件及其职责边界
  3. 分析路由/控制层的请求处理流程
  4. 识别逻辑层的核心业务逻辑实现
  5. 分析数据访问层的持久化策略
  6. 识别存储/外部层的依赖关系

量化要求：

  • 组件数量统计 (±1, 95% CI)
  • 组件间依赖关系矩阵 (N×N 矩阵)
  • 数据流路径数量和复杂度评分 (1-10分)
  • 架构模式匹配度评分 (0-100%)
  • 输出物：五层分层架构分析
步骤2：核心机制分析

方法论：

  • 复杂度分析模型 (时间/空间复杂度)
  • 关键路径分析
  • 性能瓶颈识别框架
  • 算法正确性验证

实施步骤：

  1. 识别核心技术机制和算法
  2. 追踪关键执行路径和控制流
  3. 分析性能特征和资源消耗模式
  4. 验证边界条件和异常处理策略
  5. 评估可扩展性和并发处理能力

量化要求：

  • 算法时间复杂度 (O notation)
  • 内存使用量 (MB/GB) ±10%
  • 吞吐量 (TPS/QPS) ±5%
  • 延迟分布 (p50, p95, p99) ±2ms
  • 并发处理能力 (最大连接数) ±5%
  • 输出物：核心机制详细说明、性能特征分析、关键算法复杂度分析
步骤3：竞争壁垒识别

方法论：

  • SWOT+ 竞争分析框架
  • 护城河识别模型 (技术/生态/数据/网络效应)
  • 可复制性评估矩阵
  • 替代方案可行性分析

实施步骤：

  1. 识别技术独特性和创新点
  2. 分析生态系统完整性和网络效应
  3. 评估学习曲线和迁移成本
  4. 对比竞品技术实现差异
  5. 预测长期竞争优势可持续性

量化要求：

  • 技术壁垒强度评分 (1-10分)
  • 生态系统完整性评分 (0-100%)
  • 学习曲线陡峭度 (周/月掌握) ±20%
  • 迁移成本估算 (人日) ±15%
  • 可复制性评估 (高/中/低，置信度≥80%)
  • 输出物：竞争壁垒清单、可复制性评估、替代方案可行性分析
步骤4：技术债与风险评估

方法论：

  • 技术债分类框架 (代码/设计/文档/测试/基础设施)
  • 风险评估矩阵 (概率×影响)
  • 社区健康度指标模型
  • 维护成本预测模型

实施步骤：

  1. 识别和分类技术债类型
  2. 分析安全漏洞和运维风险
  3. 评估社区活跃度和维护状态
  4. 计算长期维护成本和升级负担
  5. 建立风险优先级排序

量化要求：

  • 技术债数量统计 (按类型分类) ±5%
  • 风险概率 (0-100%) 和影响评分 (1-10分)
  • 社区健康度指标：贡献者数量 (±10%)、issue响应时间 (小时±20%)
  • 维护成本估算 (人日/年) ±15%
  • 风险紧急程度分级 (P0-P3，置信度≥85%)
  • 输出物：技术债登记册、风险矩阵、社区健康度指标、维护成本估算
步骤5：演进路径预测

方法论：

  • 技术成熟度曲线分析
  • 路线图趋势预测模型
  • 架构演进模式识别
  • 技术拐点检测算法

实施步骤：

  1. 分析官方roadmap和RFC文档
  2. 监控社区讨论和贡献者活动趋势
  3. 识别关键技术拐点和里程碑
  4. 预测架构重构需求和时机
  5. 制定升级策略和风险缓解计划

量化要求：

  • 路线图完成度预测 (0-100% ±10%)
  • 关键里程碑时间预测 (季度±1)
  • 架构演进阶段评分 (1-5级)
  • 升级复杂度评分 (1-10分)
  • 未来风险预警准确率 (≥80%)
  • 输出物：演进路线图、关键技术拐点预测、升级策略建议、未来风险预警
步骤6：深度洞察报告

方法论：

  • 结构化报告生成框架
  • 关键洞察提取算法
  • 可视化演示设计原则
  • 执行摘要优化模型

实施步骤：

  1. 整合所有分析结果和数据
  2. 提取3-5个核心洞察点
  3. 生成结构化深度报告
  4. 创建可视化演示文稿
  5. 验证报告完整性和准确性

量化要求：

  • 报告完整性评分 (0-100% ≥95%)
  • 核心洞察数量 (3-5个，置信度≥90%)
  • 数据源引用数量 (≥10个独立来源)
  • 可视化图表数量 (≥5个不同类型)
  • 输出物：完整深度洞察报告、执行摘要、可视化演示文稿

领域专业化模板（五层架构适配）

AI框架模板
  • 接入层: REST API、gRPC接口、CLI工具
  • 路由/控制层: 模型管理器、任务调度器、资源配置器
  • 逻辑层: 计算图引擎、自动微分、优化器核心
  • 数据访问层: 数据加载器、预处理器、缓存管理器
  • 存储/外部层: GPU/TPU集群、分布式文件系统、模型仓库
数据库模板
  • 接入层: SQL解析器、协议处理器、连接池
  • 路由/控制层: 查询优化器、事务管理器、权限控制器
  • 逻辑层: 存储引擎核心、索引管理、复制协议
  • 数据访问层: 缓存层、日志管理、备份恢复
  • 存储/外部层: 磁盘存储、内存池、监控系统
分布式系统模板
  • 接入层: API网关、负载均衡器、认证服务
  • 路由/控制层: 服务注册中心、配置管理、熔断器
  • 逻辑层: 业务服务核心、消息处理器、状态机
  • 数据访问层: 数据访问对象、缓存客户端、序列化器
  • 存储/外部层: 数据库集群、消息队列、外部API
Show full SKILL.md (260 more words)Show less
云原生模板
  • 接入层: Ingress控制器、Service Mesh入口
  • 路由/控制层: Kubernetes控制器、Operator、自定义资源
  • 逻辑层: 应用业务逻辑、微服务核心
  • 数据访问层: ORM层、缓存集成、配置客户端
  • 存储/外部层: 云数据库、对象存储、消息服务
消息队列模板
  • 接入层: Producer/Consumer API、管理界面
  • 路由/控制层: Topic管理器、路由规则、权限控制
  • 逻辑层: 消息处理器、消费组管理、重试机制
  • 数据访问层: 消息存储接口、索引管理、快照管理
  • 存储/外部层: Broker存储、ZooKeeper、监控告警

输出文件结构

所有深度分析结果自动保存到：

~/.openclaw/workspace/tech-insight/technical-insight/{技术名称}/
├── deep-insight-report.md      # 完整深度洞察报告
├── presentation.html           # 可视化演示文稿（乔布斯风格）
├── data/
│   ├── layered-architecture.json    # 五层架构数据
│   ├── mechanisms.json         # 核心机制数据  
│   ├── barriers.json           # 竞争壁垒数据
│   ├── risks.json              # 风险评估数据
│   ├── roadmap.json            # 演进路径数据
│   └── code-analysis.json      # 代码分析详细数据
├── diagrams/                   # 五层架构图
│   ├── 01-layered-architecture.png     # 五层架构图 (PNG预览)
│   └── 01-layered-architecture.drawio  # 五层架构图 (draw.io可编辑)
└── sources.md                  # 数据源和参考文献
draw.io 集成说明
  • .drawio 文件: 标准 draw.io 格式，可在 https://www.drawio.com/ 在线编辑
  • .png 文件: 自动生成的预览图像，适合直接嵌入文档
  • 完全兼容: 所有生成的 draw.io 文件都遵循官方格式规范
  • 五层标准: 严格按照五层分层架构模型的命名和结构规范

使用示例

用户: 深度分析 Kubernetes 的调度机制（五层分层架构）
用户: 拆解 Redis 的内存管理架构（完整五层分析）  
用户: 分析 Kafka 的复制协议和一致性保证（五层架构）
用户: 深度洞察 TensorFlow 的计算图优化（五层架构拆解）
用户: 拆解 Elasticsearch 的倒排索引实现（五层架构分析）

自动执行流程（固化配置）

当触发深度技术分析时，系统会：

  1. 加载五层分层架构配置

    bash
    # 加载五层分层架构标准配置
LAYERED_ARCH_CONFIG="$WORKSPACE_DIR/skills/technical-insight/layered-architecture-config.json"
if [ ! -f "$LAYERED_ARCH_CONFIG" ]; then
    echo "Error: Five-layer architecture configuration missing"
    exit 1
fi

  2. 设置标准化环境变量

    bash
    export WORKSPACE_DIR="/home/Vincent/.openclaw/workspace"
export TECH_INSIGHT_DIR="$WORKSPACE_DIR/tech-insight"

  3. 创建标准化输出目录（绝对路径）

    bash
    TECH_NAME="用户指定的技术名称"
OUTPUT_DIR="$TECH_INSIGHT_DIR/technical-insight/$TECH_NAME"
mkdir -p "$OUTPUT_DIR"
mkdir -p "$OUTPUT_DIR/data"
mkdir -p "$OUTPUT_DIR/diagrams"

# 强制验证目录存在
if [ ! -d "$OUTPUT_DIR" ]; then
    echo "Error: Failed to create output directory: $OUTPUT_DIR"
    exit 1
fi

  4. 选择并加载五层架构领域模板

    bash
    # 根据技术类型自动选择五层架构适配的模板
TEMPLATE_TYPE=$(detect_technology_type "$TECH_NAME")
TEMPLATE_PATH="$WORKSPACE_DIR/skills/technical-insight/templates/${TEMPLATE_TYPE}.md"

  5. 执行完整六步工作流（五层架构集成）

    • 并行收集多源数据（官方文档、GitHub、技术博客、学术论文、专利）
    • 应用五层分层架构分析框架和量化模型
    • 调用代码分析模块: 执行 code-analysis-module.py 分析GitHub仓库结构
    • 生成五层专业架构图表:
      • 调用 source-to-architecture 技能: 使用优化后的源码到架构技能生成五层架构图
      • 强制应用五层配置标准: 严格遵循五层分层架构的层次结构和关注点分离
      • 架构完整性保证: 确保五层覆盖所有架构维度
      • 同时输出 PNG 预览格式和 draw.io 可编辑格式

  6. 保存结构化输出并自动生成演示文稿

    bash
    # 保存完整报告
write "$OUTPUT_DIR/deep-insight-report.md"

# 保存五层架构原始数据
write "$OUTPUT_DIR/data/layered-architecture.json"

# 调用 source-to-architecture 技能生成五层专业架构图
python3 "$WORKSPACE_DIR/skills/source-to-architecture/scripts/drawio-generator.py" \
        "$OUTPUT_DIR/data/code-analysis.json" \
        "$OUTPUT_DIR/diagrams/"

# 记录数据源
write "$OUTPUT_DIR/sources.md"

# 强制调用 ppt-generator 技能生成乔布斯风演示文稿
invoke_ppt_generator "$OUTPUT_DIR/deep-insight-report.md" "$OUTPUT_DIR/presentation.html"

  7. 流程完整性验证

    bash
    # 必需文件检查
required_files=("deep-insight-report.md" "presentation.html")
layered_diagram_files=(
  "01-layered-architecture.png"
  "01-layered-architecture.drawio"
)

for file in "${required_files[@]}"; do
    if [ ! -f "$OUTPUT_DIR/$file" ]; then
        echo "Error: Missing required file: $OUTPUT_DIR/$file"
        exit 1
    fi
done

# 验证五层架构图生成完整性
layered_count=0
for file in "${layered_diagram_files[@]}"; do
    if [ -f "$OUTPUT_DIR/diagrams/$file" ]; then
        ((layered_count++))
    fi
done

if [ $layered_count -lt 2 ]; then
    echo "Error: Insufficient layered architecture diagrams generated (need at least 2 files, got $layered_count)"
    exit 1
fi

# 验证五层架构配置合规性
python3 "$WORKSPACE_DIR/skills/technical-insight/architecture-validator.py" \
        --config "$LAYERED_ARCH_CONFIG" \
        "$OUTPUT_DIR/diagrams/"

echo "✅ All required five-layer architecture files generated successfully"

  8. 返回结果摘要

    • 在对话中显示关键洞察（3-5个要点）
    • 提供完整文件路径
    • 确保所有图表都符合五层分层架构标准

质量保证

  • 目录结构固化: 严格遵循 tech-insight/deep-dive/{技术名称}/ 路径
  • 流程固化: 必须调用 ppt-generator 生成演示文稿
  • 数据验证: 交叉验证多个数据源，置信度≥80%
  • 引用完整性: 所有数据点都有明确来源，至少10个独立来源
  • 可复现性: 相同输入产生相同输出
  • 量化优先: 所有可量化的指标必须提供具体数值和置信区间
  • 五层标准: 严格遵循五层分层架构模型的工业标准
  • 模板适配: 自动选择合适的五层架构领域模板进行分析

© LeoYeAI, MIT. Rendered from Markdown: HTML in the file is shown as text, images as links, and headings moved down two levels. Raw file

Files

SKILL.md and 35 other files (references, assets) in skills/technical-insight of LeoYeAI/openclaw-master-skills.

  • SKILL.md
  • DEVELOPMENT_PLAN.md
  • README.md
  • SKILL-FOUR-PLUS-ONE.md
  • _meta.json
  • architecture-diagram-generator.py
  • architecture-validator.py
  • architecture-workflow-v2.py
  • architecture-workflow.py
  • assets/template.html
  • code-analysis-module.py
  • core-mechanism-template-v2.md
  • core-mechanism-template.md
  • drawio-integration.py
  • final-integration-test.sh
  • four-plus-one-architecture-generator-v2.py
  • four-plus-one-architecture-generator.py
  • four-plus-one-methodology.md
  • four-plus-one-views.md
  • integration-test.py
  • … and 16 more

Open the folder on GitHubat commit e5199b5

Compare with similar skills

Tech Insight next to the 5 skills that share the most tags, products or categories with it. Stars are the repository's; “used in” counts other GitHub owners with a copy.

Tech Insight compared with similar skills
SkillStarsUsed inTokensAuto-checkLicenceRepo updated
Tech Insight this skillLeoYeAI/openclaw-master-skills2.2k—~2.4kAutomated safety check: PassMIT
Formatting Insight AxesPostHog/posthog40k—~2.1kAutomated safety check: PassCustom licence
Tech Matrixsickn33/agentic-awesome-skills47k1 repos~3.1kAutomated safety check: PassMIT
Insight Error Pagevercel/next.js143k—~5.5kAutomated safety check: PassMIT
Insightsrohitg00/pro-workflow2.9k—~719Automated safety check: PassNone
Creating Box Plot InsightsPostHog/posthog40k—~1.1kAutomated safety check: PassCustom licence

Similar skills

  • Formatting Insight Axes

    PostHog/posthog

    Official

    Pick the right y-axis unit when creating or updating an insight via posthog:insight-create or posthog:insight-update — both TrendsQuery (trendsFilter.aggregationAxisFormat) and SQL insights…

    40k GitHub stars~2.1k tokensUpdated today
    DatabasesAuto-check passed

  • Tech Matrix

    sickn33/agentic-awesome-skills

    Reference document for monopoly tech-matrix. An agent skill from sickn33/agentic-awesome-skills.

    47k GitHub starsUsed in 1 repo~3.1k tokens
    Backend & APIsAuto-check passed

  • Insight Error Page

    vercel/next.js

    Official

    Write or audit an insight-kind error page for the Next.js dev overlay.

    143k GitHub stars~5.5k tokensUpdated today
    Writing & ContentAuto-check passed

  • Insights

    rohitg00/pro-workflow

    Show session analytics, learning patterns, correction trends, heatmaps, and productivity metrics.

    2.9k GitHub stars~719 tokensUpdated 10 days ago
    Agent WorkflowsAuto-check passed

  • Creating Box Plot Insights

    PostHog/posthog

    Official

    Creates product analytics or SQL-backed box plot insights in PostHog.

    40k GitHub stars~1.1k tokensUpdated today
    Data & AnalyticsAuto-check passed

  • Signals Scout Insight Alerts

    PostHog/posthog

    Official

    Signals scout over the project's configured insight alerts. An agent skill from PostHog/posthog.

    40k GitHub stars~3.8k tokensUpdated today
    Auto-check passed

More from LeoYeAI/openclaw-master-skills

All 1,235 skills in this repo

  • DevOps Pipeline Management

    LeoYeAI/openclaw-master-skills

    Manages pipelines on a DevOps quality and efficiency platform through its OpenAPI: list workspaces and templates, create, update, run and cancel pipelines, and read run records.

    2.2k GitHub stars~4.2k tokensUpdated 2 mo ago
    Auto-check: notes

  • Feishu Document Collaboration

    LeoYeAI/openclaw-master-skills

    Patches OpenClaw's Feishu extension so an edited document triggers an isolated agent session that reads the doc and replies inline, turning it into a live chat space.

    2.2k GitHub stars~2k tokensUpdated 2 mo ago
    Auto-check passed

  • Files Memory System

    LeoYeAI/openclaw-master-skills

    Multi-context memory management system for OpenClaw agents with group-isolated storage, global shared memory, workspace organization, and group-specific skills isolation.

    2.2k GitHub stars~3.8k tokensUpdated 2 mo ago
    Auto-check passed

  • GEO-Claw AI Visibility Agent

    LeoYeAI/openclaw-master-skills

    Runs a brand's AI-search visibility work end to end: diagnosing how AI platforms represent it, repositioning it, producing AI-optimized content and monitoring ongoing mentions.

    2.2k GitHub stars~4.7k tokensUpdated 2 mo ago
    Auto-check passed

  • Google Workspace CLI

    LeoYeAI/openclaw-master-skills

    Installs and authenticates the gws CLI, then automates Gmail, Drive, Sheets, Calendar, Docs, Chat and Tasks with ready-made recipes, persona bundles and security audits.

    2.2k GitHub stars~2.6k tokensUpdated 2 mo ago
    Auto-check: notes

  • HealthFit Health Advisors

    LeoYeAI/openclaw-master-skills

    Runs four advisor roles, a fitness coach, nutritionist, data analyst and TCM practitioner, to build a health profile and track workouts, diet and wellness over time.

    2.2k GitHub stars~4.4k tokensUpdated 2 mo ago
    Auto-check passed

Questions about Tech Insight

What does Tech Insight do?

选型结论出来后，对最终选定的方案做深度技术拆解——内部架构分析、核心机制、竞争壁垒、风险点。不是介绍文章那种表面描述，是真的去拆它怎么运作。工作流包含：架构拆解、机制分析、壁垒识别、风险评估、演进预测、深度报告。. Tech Insight is an agent skill from LeoYeAI/openclaw-master-skills.

How do I install Tech Insight in Claude Code?

Run `npx skills add LeoYeAI/openclaw-master-skills --skill tech-insight -a claude-code`. Or copy the skill folder (skills/technical-insight in LeoYeAI/openclaw-master-skills) into .claude/skills/tech-insight in your project. Claude Code loads it when a task matches its description.

How do I install Tech Insight in Codex?

Run `npx skills add LeoYeAI/openclaw-master-skills --skill tech-insight -a codex`. Or copy the skill folder (skills/technical-insight in LeoYeAI/openclaw-master-skills) into .agents/skills/tech-insight in your project. Codex loads it when a task matches its description.

Can I use Tech Insight in Cursor, Gemini CLI or GitHub Copilot?

Cursor, Gemini CLI, GitHub Copilot and OpenCode also load SKILL.md folders. With the skills CLI, run `npx skills add LeoYeAI/openclaw-master-skills --skill tech-insight -a cursor` (or -a gemini-cli, github-copilot or opencode for the others). To copy it by hand, put the folder in .cursor/skills/tech-insight, .gemini/skills/tech-insight, .github/skills/tech-insight and .opencode/skills/tech-insight in your project.

What does Tech Insight need to run?

Going by SKILL.md and its folder, Tech Insight needs Python and a shell for the scripts in its folder and the command-line tools its instructions call (python3). Our summary lists: Python 3; A Bash shell.

Does Tech Insight access the network?

SKILL.md names 1 domain. As links in the text: drawio.com. This is read from the text; nothing was executed.

Is Tech Insight safe to install?

Our automated static check of SKILL.md found no risky patterns, such as piping downloads into a shell, reading credential files or hidden Unicode. It is not a guarantee. Review the folder before installing.

What licence does Tech Insight use?

Tech Insight is published under the MIT licence (the repository's licence). It allows redistribution, so the full SKILL.md is shown on this page.

How many tokens does Tech Insight use?

About 2.4k tokens (SKILL.md is roughly 9.8k characters). Agents keep only the skill's name and description in context until a task matches; then they load SKILL.md in full. Its references folder adds about 1.2k tokens, read only when the agent opens those files.

What are the alternatives to Tech Insight?

Skills that share tags, products or a category with Tech Insight: Formatting Insight Axes (PostHog/posthog, 40k stars), Tech Matrix (sickn33/agentic-awesome-skills, 47k stars), Insight Error Page (vercel/next.js, 143k stars) and Insights (rohitg00/pro-workflow, 2.9k stars). The comparison table on this page puts their stars, adoption, token cost, safety result and licence side by side.

Who maintains Tech Insight?

LeoYeAI (a GitHub user) maintains it in LeoYeAI/openclaw-master-skills, which has 2,160 GitHub stars. The repository holds 1,235 skills in this directory. The repository was last updated on July 20, 2026.

Source: LeoYeAI/openclaw-master-skills on GitHub. Facts on this page come from the repository at the commit we read; the author's words are quoted as theirs.