cto-advisor（CTO顾问）Skill 是什么？能解决哪些技术管理难题？

CTO顾问技能：把资深技术领导者的方法论，变成可执行的框架与工具

• 定位清晰：CTO顾问技能（cto-advisor）不是写代码的工具，而是面向工程管理者的「决策辅助系统」，覆盖技术战略、团队扩展、架构治理、供应商管理、工程卓越五大板块。
• 带真实计算工具：技能内置两个可执行的 Python 脚本——技术债务分析器与团队扩展计算器，把「拍脑袋」的判断题变成可量化的计算题。
• 方法论可落地：DORA 指标、ADR（架构决策记录）模板、技术评估框架、工程指标 KPI、危机响应时间线、董事会汇报模板，全部以可复用的文档形式提供。
• 适用人群广：CTO、技术总监、工程经理、技术合伙人，甚至刚开始带团队的 Tech Lead，都能从中找到对应场景的执行清单。
• 零门槛调用：安装后以自然语言对话方式触发，说出「技术债务」「团队扩展」「架构决策」等关键词即可自动匹配对应框架。

该技能叫什么？如何一键安装 AI 技能提升开发效率？

技能基础信息

• 中文名：CTO顾问技能Skill
• 英文名：cto-advisor
• 技能 ID：12331
• 版本：1.0.0，作者 Alireza Rezvani，许可证 MIT
• 分类：c-level（高管层技能），领域：cto-leadership（CTO 领导力）

它解决什么问题？ 大多数技术管理者是从优秀工程师晋升而来的，写代码的能力很强，但「技术债务怎么排优先级」「团队从 10 人扩到 30 人该怎么配比」「选型时用什么框架评估供应商」「怎么向董事会解释工程投入的价值」这类问题，往往缺少成体系的方法。CTO顾问技能把这些问题拆解成有输入、有输出、有模板的标准动作，让你在对话中就能拿到一份可执行的方案草稿，而不是从零开始翻书、找人咨询。

一键安装的思路与步骤

安装的本质是把技能目录放进 AI 助手可识别的技能库中，让模型在遇到相关话题时自动加载这套方法论。具体步骤如下（安装入口与命令以官方说明为准）：

1. 确认前置条件：客户端或平台需支持 AI 技能（Skill）机制；由于技能自带 tech_debt_analyzer.py 与 team_scaling_calculator.py 两个 Python 脚本，建议本地具备可运行 Python 的环境，以便执行脚本类工具；纯文档类能力（ADR 模板、指标框架）则无需额外环境。
2. 定位技能：在技能市场或技能目录中使用英文名 cto-advisor 或技能 ID 12331 进行检索。
3. 一键安装/启用：点击安装或启用按钮，将该技能加入当前会话的可用技能列表。若平台不支持自动安装，则按官方说明手动将技能目录（含 SKILL.md、scripts/、references/）放置到指定路径。
4. 检查目录完整性：安装后确认关键文件存在——scripts/tech_debt_analyzer.py、scripts/team_scaling_calculator.py、references/architecture_decision_records.md、references/technology_evaluation_framework.md、references/engineering_metrics.md。
5. 验证是否生效：新建对话，直接问「帮我评估一下当前的技术债务并给出减债计划」，观察回复是否引用了债务分级与能力分配（关键 40%、高 25%、中 15%、低 持续维护）这套框架。若能对应上，说明技能已被正确加载。

之所以强调「一键安装」的价值：传统做法是把这些方法论散落在文档、Wiki、个人笔记里，需要时再翻找；而安装成技能之后，方法论被绑定在对话上下文中，用自然语言即可唤起，相当于随时有一位懂框架的顾问在旁边待命。

该技能的主要功能和特点

• 技术债务分析器（tech_debt_analyzer.py）：分析系统架构并输出按优先级排序的债务减少计划，配套「能力分配」原则——关键债务投入 40% 能力、高债务 25%、中债务 15%、低债务走持续维护，避免「所有债务一起还」导致业务停摆。
• 团队扩展计算器（team_scaling_calculator.py）：根据增长目标计算最佳招聘计划与团队结构，并内置关键比率参考：经理与工程师 1:8、高级:中级:初级 3:4:2、产品与工程 1:10、QA 与工程 1.5:10。
• 工程指标框架（engineering_metrics.md）：以 DORA 四项核心指标为骨架（部署频率 >1 次/天、前置时间 <1 天、平均恢复时间 <1 小时、变更失败率 <15%），叠加质量指标（测试覆盖率 >80%、代码审查 100%、技术债务 <10%）与团队健康指标（冲刺速度方差 ±10%、非计划工作 <20%、值班事件 <5 次/周）。
• 架构决策记录（ADR）模板：提供标准化记录结构——记录上下文与问题、列出所有考虑过的选项、记录决策与理由、跟踪后续后果，让架构决策可追溯、可复盘，而不是「当时谁拍板的谁也说不清」。
• 技术评估框架：面向供应商选型的分阶段流程——需求收集（第 1 周）、市场调研（第 1–2 周）、深入评估（第 2–4 周）、决策与文档（第 4 周），把选型从「凭感觉」变成有时间盒的项目。
• 完整的管理节奏设计：从周一领导团队同步、周二架构审查与一对一、周三跨职能与供应商会议、周四全员会与冲刺评审、周五战略与创新时间，到 Q1 打基础、Q2 抓执行、Q3 做创新、Q4 做规划的季度节奏，可直接照搬为自己的工作日程模板。
• 危机管理 SOP：把事件响应切成四个时间窗——0–15 分钟评估严重性并激活事件团队，15–60 分钟实施修复并同步利益相关者，1–24 小时验证修复并记录时间线，48–72 小时做根因分析与流程改进；并针对安全漏洞、重大停机、数据丢失三类场景给出差异化的处置要点。
• 向上与横向沟通模板：技术战略演示的 7 页幻灯片结构、团队全员会议的五段式议程、董事会月度更新邮件模板（亮点 / 挑战 / 下月重点 / 详细指标附后），解决技术人「不会汇报」的痛点。

和普通工具比强在哪？ 一般的对话式 AI 也能聊技术管理，但输出随机、缺少统一标尺；项目管理工具能出报表，却不会告诉你「该招几个高级工程师」。这个技能的差异化在于把「可量化工具 + 可复用模板 + 时间节奏」三者打包，输出的是结构化的、可交给团队执行的方案。

如何使用该技能？

以下按常见任务给出分步路径，示例提示词可直接套用。

场景一：评估技术债务

1. 确认已启用技能，并准备好系统架构的基本信息（模块划分、技术栈、已知痛点）。
2. 执行脚本或直接对话：python scripts/tech_debt_analyzer.py，或输入提示词「用 CTO 顾问技能分析我们系统的技术债务，并给出分优先级的减债计划」。
3. 输入示例：「我们是一个 15 人的团队，单体 Java 服务正在拆微服务，数据库有 30 多张核心表没有索引优化，测试覆盖率约 40%，请评估债务等级并给出能力分配建议。」
4. 输出说明：会按关键/高/中/低分级给出债务清单，并对应到 40%/25%/15%/持续维护的能力分配，形成可排期的减债路线图。

场景二：规划团队扩展

1. 明确当前规模与目标规模，例如从 12 人扩到 25 人。
2. 调用 python scripts/team_scaling_calculator.py，或直接提问「按团队扩展计算器的方法，帮我算一下从 12 人扩到 25 人的招聘计划」。
3. 输出说明：给出各层级人数配比建议（对照 3:4:2 的职级结构）、需要的管理者数量（对照 1:8 的管理跨度）、是否需要补充 QA 与产品角色，并提示招聘节奏。

场景三：做架构决策记录

1. 打开 references/architecture_decision_records.md，或直接说「帮我用 ADR 模板记录这次数据库选型的决策」。
2. 按模板四段式填写：上下文与问题 → 候选方案清单 → 决策与理由 → 后果与跟踪项。
3. 输出说明：得到一份可以直接放进代码仓库或 Confluence 的决策文档，后续复盘时有据可查。

场景四：搭建工程指标看板

1. 参照 references/engineering_metrics.md 挑选指标。
2. 提示词示例：「我们想从 DORA 四项指标开始建立工程效能看板，请给出每项指标的定义、目标值和采集方式建议。」
3. 输出说明：得到部署频率、前置时间、平均恢复时间、变更失败率的目标线与落地建议，并可叠加质量与团队健康指标形成完整看板。

使用小贴士：提供的业务背景越具体（团队规模、技术栈、当前痛点、时间窗口），输出的方案越贴合实际；建议把技能输出的框架当作「初稿」，再结合团队真实数据做校准。

同类型竞品对比分析

方案名称	定位	核心功能	安装/使用门槛	适用场景	优势与不足
CTO顾问技能（cto-advisor）	面向工程管理者的决策框架与工具包	技术债务分析、团队扩展计算、DORA 指标、ADR 模板、技术评估流程、危机 SOP、汇报模板	低，安装后在对话中自然语言调用；脚本类功能需 Python 环境	技术债务治理、团队扩张、架构决策、供应商选型、向上汇报	优势：方法论成体系、带可执行脚本、模板即拿即用；不足：不接入你公司的真实数据源，指标需自行采集填入
通用大模型直接提问	通用对话助手	开放式问答，可临时生成管理建议	极低，打开即用	临时性、碎片化的管理咨询	优势：零配置；不足：输出不稳定、缺少统一标尺和可复用模板，每次都要重新描述背景
工程效能平台（如 LinearB、DataDog 类工具）	数据采集与度量平台	自动采集部署、事件、周期时间等指标并可视化	中高，需接入 CI/CD、监控与代码仓库	已具备较完善工程基础设施的团队做持续度量	优势：数据真实、可视化强；不足：只告诉你「指标是多少」，不告诉你「团队该怎么扩、债务该怎么排」
项目管理工具（Jira、Confluence、Notion 等）	协作与文档承载	任务管理、文档协作、看板	中，需要团队整体迁移与配置	日常执行跟踪与知识沉淀	优势：承载落地；不足：本身不产出方法论，需要有人先把框架设计好
外部技术顾问/咨询	人力咨询服务	一对一深度诊断与陪跑	高，涉及预算与排期（具体以服务方报价为准）	战略级、高风险的重大决策	优势：结合行业经验做深度定制；不足：成本高、响应慢，不适合高频日常问题

怎么选？ 如果团队处在「方法缺失」阶段，先用 CTO顾问技能把框架和模板搭起来；如果已经有一定基础设施，用效能平台做数据底座，再用技能做解读与决策；重大战略级决策仍建议引入外部顾问交叉验证。

该技能的典型应用场景与实际体验情况

场景一：初创公司技术负责人梳理技术债务

角色：从资深工程师晋升的技术负责人，团队 8 人。痛点是历史代码欠账多、业务催得紧，不知道先还哪笔债。使用方式：把模块清单和已知问题丢给技能，得到分级债务清单与能力分配比例。实际体验：上手几乎无门槛，输出直接给出「关键债务 40% 能力」这样的硬约束，帮助他在业务会上有理有据地争取减债排期。注意事项：债务的严重程度仍需结合实际业务影响人工校准，不能完全照搬模型判断。

场景二：快速扩张期计算招聘计划

角色：工程总监，半年内要从 15 人扩到 30 人。痛点是招聘节奏失控、管理层级混乱。使用方式：调用团队扩展计算器，对照 1:8 管理跨度与 3:4:2 职级结构反推各层级 HC。实际体验：能把模糊的「多招点人」变成「需要新增几名经理、几名高级工程师」的具体数字，与 HR 沟通时效率明显提升。注意事项：比率是参考基准而非硬性规定，业务复杂度高的团队需要适度上浮。

场景三：架构选型的决策留痕

角色：技术委员会负责人。痛点是每次选型讨论完就散了，半年后没人记得为什么选了这个方案。使用方式：套用 ADR 模板，把上下文、候选方案、决策理由、后续影响一次写清。实际体验：模板结构清晰，团队填两次就形成习惯，新成员入职时可通过 ADR 快速理解历史决策。注意事项：模板只是载体，真正有价值的是「必须列出所有考虑过的选项」这一强制动作。

场景四：向管理层汇报工程价值

角色：CTO，需要每月向 CEO 与董事会汇报。痛点是技术语言难以翻译成业务语言。使用方式：套用董事会更新邮件模板（亮点/挑战/下月重点）与技术战略演示的 7 页结构，配合 DORA 指标与业务成果数据。实际体验：汇报结构稳定后，管理层对工程投入的理解度明显改善。注意事项：模板中的成功指标（如正常运行时间 >99.9%、功能按时交付率 >80%）需替换为团队真实数据，避免空话。

该技能能为用户带来的价值

效率提升：把「查资料—拼框架—写模板」这条链路压缩成一次对话。技术债务评估、招聘计划测算、ADR 撰写、汇报材料准备，原本各需数小时甚至数天，现在可以在一次会话内产出可用的初稿，管理者可以把时间从「整理方法」转移到「做判断」。

门槛降低：新手技术管理者最大的困境是「不知道自己不知道什么」。技能里的红旗清单（债务增加、离职率上升、速度减慢、事件增多、团队士气下降、预算超支、供应商依赖、安全漏洞）相当于一份体检表，让你在问题恶化前就能识别信号。同时，DORA 目标线、职级配比、管理跨度这些「行业共识数字」，也省去了大量试错成本。

可量化收益：围绕 DORA 四项指标与质量、团队健康指标建立基线后，团队可以用「部署频率是否从每周一次提升到每天一次」「变更失败率是否降到 15% 以下」「技术债务是否控制在 10% 能力以内」来衡量改进成效，让工程管理的价值从「感觉变好了」变成「数据变好了」。

长期价值：ADR 沉淀的是组织记忆，指标框架沉淀的是度量体系，周节奏与季度规划沉淀的是管理操作系统。这三样东西一旦跑起来，会随着团队规模扩大持续复利——团队从 10 人到 100 人，框架依然适用，只是数字变了。

常见问题 FAQ

Q1：这个技能怎么安装？需要付费吗？

A：在支持 AI 技能机制的平台上，用英文名 cto-advisor 或技能 ID 12331 检索后一键安装/启用即可；若平台不支持自动安装，按官方说明手动放置技能目录。技能采用 MIT 许可证，本身属于开源授权；平台侧是否收费、具体安装入口与命令，以官方说明为准。

Q2：我不是 CTO，只是刚带团队的技术负责人，适合用吗？

A：适合。技能覆盖的是「技术管理的基础动作」——怎么排债务优先级、怎么配团队结构、怎么记录架构决策、怎么建指标，这些正是新晋管理者最缺的部分。技能里的红旗清单和每周节奏模板，对 5–20 人规模的团队尤其友好。

Q3：它和直接用 ChatGPT 问技术管理问题有什么区别？

A：通用对话可以给建议，但每次输出结构不同、缺少统一标尺。CTO顾问技能提供的是固定框架：债务分级对应明确的能力分配比例、团队扩展对应明确的职级配比、指标对应明确的目标线，还附带可执行的 Python 脚本和可复用的 ADR、汇报模板，输出更稳定、更容易交给团队执行。

Q4：技能会读取我们公司的真实数据吗？

A：不会。技能本身是一套方法论、模板与本地脚本的集合，不包含对外部系统的数据接入能力。你需要自行提供团队规模、技术栈、指标现状等信息，技能的脚本在本地运行、基于你输入的内容做计算与建议。涉及敏感数据时，建议先脱敏再输入。

Q5：输出的建议可以直接照搬执行吗？

A：建议作为「高质量初稿」使用。技能给出的比率（如 1:8 管理跨度、3:4:2 职级结构）与目标线（如部署频率 >1 次/天）是行业参考基准，需要结合团队业务复杂度、现有人员能力、预算约束做校准。尤其涉及组织调整、裁员、重大架构迁移等决策时，务必要有人工复核环节。