核心用法
gstack 是一套角色化 AI 工程团队框架，用户通过 @gstack:<角色> 指令激活特定专家人格，完成软件开发生命周期的全流程覆盖。核心工作流遵循「需求澄清 → 产品规划 → 设计评审 → 架构设计 → 开发 → 代码审查 → 测试验收 → 发布上线 → 复盘」的闭环。
关键特性：
- 角色专业化：14 个细分角色（CEO、工程经理、设计评审师、安全官、金丝雀监控工程师等），每个角色携带特定领域的决策框架和检查清单
- 上下文持久化：通过
GSTACK.md文件维护项目记忆，支持跨会话的连贯协作 - 版本迭代活跃：v2.5.5 新增金丝雀监控和性能基准技能，形成从开发到观测的完整链路
显著优点
1. 方法论背书强：直接移植 Y Combinator CEO Garry Tan 的实践验证（60 天 60 万行代码产出）
2. 降低认知负荷：将复杂工程决策拆分为可委托给特定角色的子任务，避免单一通用助手的上下文混乱
3. 开箱即用的最佳实践：内置 OWASP Top 10、STRIDE 威胁建模、Core Web Vitals 等标准化检查
4. 开源可扩展：MIT 协议，支持社区贡献新角色和工作流
潜在局限
- 框架依赖重：需要严格遵循 GSTACK.md 的上下文管理约定，轻量使用可能显得繁琐
- 角色切换成本：频繁切换角色时需重新加载上下文，对简单任务可能过度工程化
- 实际效果验证有限：除 Garry Tan 的公开案例外，大规模团队采用的数据尚不充分
- OpenClaw 生态绑定：当前实现深度耦合 OpenClaw 平台，迁移成本待观察
适合人群
- 独立开发者/小团队寻求「虚拟工程团队」补充人力缺口
- 技术负责人希望标准化团队的代码审查、安全审计、发布流程
- AI 辅助开发爱好者，愿意投入学习结构化工作流
常规风险
- 过度信任 AI 决策：安全审计、架构设计等关键决策仍需人工最终把关
- 上下文漂移：GSTACK.md 维护不当可能导致角色基于过时信息决策
- 金丝雀/性能基准的误用：自动化回滚决策若配置不当可能影响生产稳定性
综合评估
来源可信度 T2（基于知名从业者公开实践，但缺乏第三方独立审计）；安全等级 A（MIT 开源可审计，无敏感权限要求，但生产自动化操作需人工复核）。