demand-first-review
Use when reviewing a PR, API, IPC channel, endpoint, parameter, type, config, or architectural extension point that adds or expands shared surface area, especially when consumers are absent, exports are unused or speculative, existing consumers are hack-heavy, forward compatibili
Perfil del activo
Investigación y trabajo de conocimiento
Deep research, source comparison, literature review, RAG, knowledge search, and reports.
Escenario
Agents de investigación
I need my agent to research a topic, compare sources, and produce a concise report.
Afinidad con Agent
Claude Code + CLI + Codex
Funciona con Codex, Claude Code, Cursor, CLI o Agents personalizados.
Instalar
Listo
npx skills add CherryHQ/cherry-studio --skill demand-first-review
Mantenimiento
Actual
Actualizado hoy
Riesgo
Seguro para probar
No major risk signals from available metadata
Calidad de GitHub
51K
94/100 Calidad · 86/100 Confianza
Etiquetas de cobertura
Notas de revisión
No major risk signals from available metadata
Tarjeta de adopción del Agent
Confianza, auditoría y preparación de instalación de un vistazo
Estas puntuaciones combinan metadatos públicos del repositorio, señales de revisión de OpenAgentSkill, actualidad de mantenimiento y preparación de instalación. Sirven para preseleccionar; no sustituyen la revisión humana.
Calidad
ExcelenteHigh-confidence pick with strong adoption and healthy maintenance signals.
Confianza
Revisar antes de instalarBuena señal para la preselección, pero el Agent debe revisar las notas de auditoría, la política de instalación y la evidencia de resultados antes de ejecutarlo.
Auditoría
Seguro para probarRevisión legible por máquina de la preparación de instalación, los metadatos de seguridad, el mantenimiento y el riesgo de adopción.
Trust Score de OpenAgentSkill v5
Candidata para instalación de Agent
Úsalo como candidato principal tras revisión humana o en sandbox.
Estrellas
51K estrellas de GitHub
Actividad del repositorio
51K estrellas y 4.8K forks
Mantenimiento
Actualizado hoy
Licencia
AGPL-3.0
Instalar
npx skills add CherryHQ/cherry-studio --skill demand-first-review
Seguridad de instalación
Ruta estándar de paquete o instalación en tiempo de ejecución
Superficie de permisos
network or browser access, database access
Resultados del Agent
Aún no hay datos de resultados del Agent
Documentación
Contexto sólido de README/SKILL.md
Resumen de riesgo
Riesgo de metadatos bajo
- No major trust warnings detected from available metadata
Preparación de instalación
Ruta de instalación disponible
- La ruta de instalación está disponible
- La evidencia del repositorio está disponible
- La licencia está declarada
- Aún no hay evidencia de resultados Agent-Proven
Metadatos legibles por Agent
Datos de decisión legibles por máquina para este skill.
Usa este bloque o el JSON integrado para decidir si un Agent debe instalar este skill, elegir una alternativa o pedir revisión humana primero.
Tareas adecuadas
- Flujos de Agents de investigación
- Equipos de Claude Code
- Equipos que valoran señales de adopción de GitHub
- Fuentes de búsqueda
Agents adecuados
Decisión de instalación
- Comando
- npx skills add CherryHQ/cherry-studio --skill demand-first-review
- Política
- Permitir
- Revisión humana
- No
Confianza y riesgo
- Confianza
- 83/100
- Auditoría
- 91/100
- Nivel de riesgo
- Seguro para probar
Ciclo de resultados
- Endpoint
- /api/agent/outcome
- ID del evento
- resolve
- Resultados
- 5
Comando de instalación
npx skills add CherryHQ/cherry-studio --skill demand-first-reviewNo usar cuando
- Equipos que necesitan un SLA con soporte del proveedor
- Entornos de alta conformidad sin revisión interna de seguridad
- No major risk signals from current metadata
- No major trust warnings detected from available metadata
- Production credentials, payments, or irreversible account changes without explicit human review
Skill alternativo
Last30days Skill
53.5K Estrellas
npx skills add mvanhorn/last30days-skill -g
Skill alternativo
Academic Research Skills
38.4K Estrellas
npx skills add Imbad0202/academic-research-skills
Skill alternativo
GPT Researcher
28.0K Estrellas
npx skills add assafelovic/gpt-researcher
Skill alternativo
DeepResearch
19.8K Estrellas
npx skills add Alibaba-NLP/DeepResearch
Seguridad de Agent v2
83/100 · Segura para instalar con revisión normal
Buenas señales de auditoría y seguridad, sin indicios de permisos de alto riesgo en los metadatos públicos.
Revise la página de auditoría y permita la instalación de Agent en un flujo aislado.
Medio
Acceso a red
El skill probablemente consulta páginas remotas, API, repositorios o servicios externos.
Medio
Acceso a base de datos
El skill puede inspeccionar esquemas, consultar bases de datos o trabajar con almacenes persistentes.
Destinos de instalación
Instala este skill en tu flujo de Agent
Usa el endpoint público para obtener el comando, la lista de seguridad, prompts y enlaces canónicos.
OpenAgentSkill CLI
Resolve policy, run the source installer safely, and report a verified install receipt.
$ npx --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.2.1/openagentskill-0.2.1.tgz install cherryhq-demand-first-reviewPlan de resolución de Agent
Deja que un Agent valide el ajuste antes de instalar.
La API Resolve devuelve la skill elegida, alternativas, política de seguridad, notas de auditoría, destino de instalación y un prompt listo para usar.
Abrir JSON
/api/agent/resolve?task=Use%20demand-first-review%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Texto de Resolve
/api/agent/resolve?task=Use%20demand-first-review%20for%20an%20agent%20workflow&agent=codex&max_risk=medium&format=text
Traspaso de instalación
/api/skills/cherryhq-demand-first-review/install
Agent debe revisar
- Task fit and alternatives from Resolve API.
- Audit score, trust score, and safety policy warnings.
- Install target compatibility for Codex, Claude Code, Cursor, or CLI.
Copiar prompt
Task: Use demand-first-review in this workspace.
Resolve first: https://www.openagentskill.com/api/agent/resolve?task=Use%20demand-first-review%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Review install handoff: https://www.openagentskill.com/api/skills/cherryhq-demand-first-review/install
Install command: npx skills add CherryHQ/cherry-studio --skill demand-first-review
Before running it, summarize audit warnings, required permissions, and the fallback skill if install is risky.Traspaso de Agent
Da al Agent la ruta de instalación, no otro directorio.
Usa el endpoint público para obtener el comando, la lista de seguridad, prompts y enlaces canónicos.
Traspaso de instalación
/api/skills/cherryhq-demand-first-review/install
Formato de texto LLM
/api/skills/cherryhq-demand-first-review/install?format=text
Buscar alternativas
/api/skills/search?q=demand-first-review&limit=3
Prompt de Agent
Use demand-first-review for this task. Review https://www.openagentskill.com/api/skills/cherryhq-demand-first-review/install, then install with: npx skills add CherryHQ/cherry-studio --skill demand-first-reviewMetadatos del Registry
Perfil legible por Agent para seleccionar skills automáticamente.
La API Registry expone señales de decisión, confianza, auditoría, casos de uso e instalación sin raspar la interfaz.
Manifest
/api/registry/manifest/cherryhq-demand-first-review
Texto LLM
/api/registry/manifest/cherryhq-demand-first-review?format=text
Alias de instalación
/api/registry/install/cherryhq-demand-first-review
Recomendar
/api/registry/recommend?task=Use%20demand-first-review%20in%20an%20agent%20workflow&limit=3
Afinidad con Agent
Agents de investigación
Etiquetas de uso
Plataformas
Claude Code
Informe de auditoría
Seguro para probar · 91/100
Revisión legible por máquina de la preparación de instalación, los metadatos de seguridad, el mantenimiento y el riesgo de adopción.
Panel de decisión de Agent
Elección principal para Agents de investigación
Use this as a leading candidate, then validate the README and install path in your own agent stack.
Rol en la pila
Elección principal
Ajuste principal
Agents de investigación
Etiqueta de confianza
Listo para producción
Ruta de instalación
Comando listo
Úsalo cuando
- Flujos de Agents de investigación
- Equipos de Claude Code
- Equipos que valoran señales de adopción de GitHub
Evidencia
- 50,908 estrellas de GitHub
- recent repository activity
- install command or GitHub repo available
- perfil de calidad 94/100
- 6 eventos de interacción de OpenAgentSkill
revisar primero
- No major risk signals from current metadata
Ruta de implementación
- 1Instálalo en un Agent de sandbox y ejecuta una tarea de Agents de investigación de principio a fin.
- 2Compare output quality, latency, and failure behavior against at least one alternative.
- 3Promote it into production only after reviewing repository permissions, license, and maintenance signals.
Perfil de confianza
Revisar antes de instalar
Buena señal para la preselección, pero el Agent debe revisar las notas de auditoría, la política de instalación y la evidencia de resultados antes de ejecutarlo.
Adopción en GitHub
Aprobado51K estrellas de GitHub
Actividad de stars/forks
Aprobado51K estrellas y 4.8K forks; la actividad de issues no está disponible en los metadatos actuales
Mantenimiento reciente
AprobadoActualizado hoy
Claridad de licencia
AprobadoAGPL-3.0
Señales positivas
- Revisión de IA aprobada
- La ruta de instalación está disponible
- La evidencia del repositorio está disponible
- Repositorio mantenido recientemente
- Large GitHub adoption signal
- El comando de instalación no muestra un patrón de alto riesgo evidente
- El ciclo de resultados está listo, pero necesita la primera ejecución real de Agent
Revisar antes de instalar
- Aún no hay informes reales de resultados del Agent
- Se requiere revisión humana antes de una instalación desatendida
Acción recomendada
Úsalo como candidato principal tras revisión humana o en sandbox.
Perfil de calidad
Excelente candidato para flujos de Agent
High-confidence pick with strong adoption and healthy maintenance signals.
Ajuste de flujo
Usa esta skill en estos escenarios
Investigate faster
Research agents
I need my agent to research a topic, compare sources, and produce a concise report.
Manage repositories
GitHub automation
I need my agent to triage GitHub issues, review pull requests, and summarize repository changes.
Operate web apps
Browser automation
I need my agent to control a browser, fill forms, and verify web app workflows.
Ajuste de flujo
Añadir a un flujo completo
Find, compare, and synthesize
Research report agent
A workflow for agents that gather sources, compare claims, summarize long material, and draft useful research briefs.
Operate and verify web apps
Browser QA agent
A workflow for agents that navigate products, fill forms, take screenshots, and verify real user flows across web applications.
Inspect, patch, and verify code
Coding review agent
A workflow for software agents that inspect repositories, review pull requests, generate tests, and turn findings into shippable patches.
Lista de alternativas
Compara antes de instalar
Similar skills that may fit this task.
Last30days Skill
Research the last 30 days across Reddit, X, YouTube, Hacker News, Polymarket, GitHub, and the web, then synthesize a grounded brief for an AI agent.
Academic Research Skills
Academic Research Skills for Claude Code: research → write → review → revise → finalize
GPT Researcher
Run autonomous deep research over web and local sources
DeepResearch
Tongyi Deep Research, the Leading Open-source Deep Research Agent
Resumen
--- name: demand-first-review description: Use when reviewing a PR, API, IPC channel, endpoint, parameter, type, config, or architectural extension point that adds or expands shared surface area, especially when consumers are absent, exports are unused or speculative, existing consumers are hack-heavy, forward compatibility is claimed, or multiple similar APIs may express one demand. ---
# Demand-First Review
## Principle
Audit this causal chain before implementation quality:
`root outcome or invariant → normalized demand → owning layer → contract → consumer`
A call site proves usage, not legitimacy or shape. No call site raises the burden of proof, not an automatic rejection. Real demand may still have the wrong consumer or abstraction.
## Workflow
Apply every step to each added API, channel, parameter, type, field, config, or extension point.
### 1. Reconstruct the demand
List every new surface and exact consumed dimension; one valid consumer does not justify unused fields. Trace current and linked consumers to their user outcome, business rule, or system invariant. Inspect adjacent implementations, then ask: without the current API and history, would the demand remain and would this contract still be natural? Do not rely only on the PR description.
### 2. Audit consumer legitimacy
- **Legitimate**: uses the correct owner and boundary. - **Compensating**: uses the nearest API and adds workarounds because the right capability is missing. - **Legacy-shaped**: reflects obsolete formats, transitional architecture, or history. - **Misplaced**: serves real demand in the wrong layer.
Parsing, retries, sequencing, duplicated state, check-then-act, or cross-layer access signal compensation. Treat these as unmet upstream demand, never endorsement of the current surface.
### 3. Normalize related demands
Strip names, historical formats, and workarounds from demand statements. Cluster by outcome, source of truth, owner, transaction, security, and lifecycle. Consolidate historical or caller-specific differences; keep contracts separate for genuine ownership, permission, atomicity, lifecycle, side-effect, or failure differences. Prefer a stable core with thin adapters, not duplicated workflows or a lowest-common-denominator API.
### 4. Classify evidence
- **Direct**: a legitimate current consumer uses the dimension. - **Committed**: a concrete consumer exists in the same change or linked near-term work. - **Architectural**: a minimal seam must precede consumers to protect a concrete invariant. - **Unsupported speculation**: only a possible future is named, without a concrete scenario, owner, or omission cost.
Direct consumption proves pressure, not placement or shape.
### 5. Test architectural demand
For a surface without a legitimate current consumer, require all five:
1. A concrete consumer class or extension scenario; 2. The owning layer and protected invariant; 3. A causal omission cost, such as boundary violations, duplicated mechanisms, incompatible implementations, security gaps, or migration lock-in; 4. Why the seam must exist before its first consumer; and 5. The smallest stable mechanism that protects the invariant.
Reject "future features", "flexibility", "centralization", "technical constraints", or "migration risk" without linked evidence and a causal failure. If the test fails, defer or remove. If it passes, preserve only the minimal paved road and remove guessed dimensions.
### 6. Check responsibility and overlap
Place behavior by ownership, not line count. Centralize security, permissions, transactions, invariants, and shared policy; leave presentation and caller-specific composition in consumers. Prefer try-the-operation when the owner can enforce atomically.
Compare contracts by semantics, owner, permissions, exposure, atomicity, lifecycle, failure model, and cost. Shared data alone does not prove duplication; reuse only when these are equivalent.
### 7. Decide, then review implementation
Choose one outcome per surface or normalized group:
- **Keep**: demand and shape are justified. - **Narrow**: remove unsupported dimensions. - **Split**: separate a valid core from unrelated concerns. - **Consolidate**: merge surfaces expressing one demand. - **Replace**: keep the demand, change consumer, owner, or abstraction. - **Defer**: do not commit a possible demand yet. - **Remove**: no demand remains or an equivalent contract owns it.
Report root outcome, evidence, consumer legitimacy, essential differences, owner, alternatives, and decision first. Review implementation quality only for survivors.
## Rationalization Guards
| Claim | Response | |---|---| | "The API is clean; the types are elegant." | Quality cannot justify existence. | | "It has consumers." | Verify legitimacy and exact consumption; workarounds endorse nothing. | | "It has no consumers." | Run the five-part architectural test; absence alone decides nothing. | | "The export is unused; add a test." | Tests verify behavior; they do not create demand. | | "The architecture will need it." | Name the invariant, causal omission cost, consumer class, why now, and minimal seam. | | "A technical constraint requires it." | Trace the constraint to root demand; constraints are not axioms. | | "Existence is the architect's call." | Authority neither exempts demand review nor reduces it to a nit. | | "The caller can compute it in one line." | Place policy by ownership and invariants, not code length. | | "The existing API returns the same data." | Compare full semantics before declaring duplication. | | "These consumers differ slightly." | Prove differences are semantic, not historical or caller-specific. | | "It is forward-compatible or additive." | Keep only concrete needs; additive contracts carry permanent cost. |
## Red Flags
Pause and restart from Step 1 when:
- Implementation comments accumulate before stating root demand, evidence, and legitimate consumers. - A call site is treated as proof that the contract belongs here or has the right shape. - Zero current consumption is treated as automatic rejection or permission to accept an architectural claim. - A compensating or hack-heavy consumer is used to freeze its workaround into the shared contract.
## Calibration
- Linked independent modules would otherwise import privileged internals: **keep the minimal registration seam; remove guessed knobs**. - A renderer parses raw errors and retries because no atomic operation exists: **replace the abstraction rather than expand the error taxonomy**.
Detalles técnicos
- Versión
- 1.0.0
- Licencia
- AGPL-3.0
- Última actualización
- 22 ago 2026
- Publicado
- 20 ago 2026
Resumen de decisión
Elección principal
50,908 estrellas de GitHub
Auditoría
Revisión de instalación
Revisión de instalación y adopción
- Seguridad
- 85/100
- Mantenimiento
- 100/100
- Instalar
- 92/100
Evidencia probada por Agent
Evidencia probada por Agent
Informes de resultados tras resolver, revisar, instalar y una ejecución limitada.
- Tasa de éxito
- —
- Fallo reciente
- —
- Resultados
- 0
- Calidad de salida
- —
- Fallidos
- 0
- No relevante
- 0
- Instalaciones
- 0
- Bloqueado por riesgo
- 0
- Configuración necesaria
- 0
- Producción
- 0
Aún no hay datos de resultados de Agent. La primera ejecución puede informar éxito, configuración necesaria, bloqueos de riesgo, fallo o irrelevancia mediante /api/agent/outcome.
Instalar
Añadir al flujo de Agent
Gratis y de código abierto. Revisa el informe antes de instalar en Agents de producción.
Bucle de crecimiento
Kit para compartir
Borrador basado en un caso para demand-first-review, listo para publicar manualmente en X.
demand-first-review: Use when reviewing a PR, API, IPC channel, endpoint, parameter, type, config, or architectura... 50.9K stars https://www.openagentskill.com/skills/cherryhq-demand-first-review?ref=x
Respuesta opcional con comando de instalación
Listing + install path for demand-first-review: https://www.openagentskill.com/skills/cherryhq-demand-first-review?ref=x Install: npx skills add CherryHQ/cherry-studio --skill demand-first-review
Fuente de la ficha
Indexado por Registry
Esta ficha se indexó desde fuentes públicas y no está marcada como oficial hasta que se apruebe una reclamación de mantenedor.
- Creador
- CherryHQ
- Fuente
- CherryHQ/cherry-studio
- Indexado por
- Índice comunitario de OpenAgentSkill
La atribución enlaza al repositorio público o al perfil del creador. Los creadores pueden reclamar la ficha para actualizar las señales de propiedad.
Reclamar este skillReclamación del propietario
Reclamar esta ficha de skill
Esta ficha Indexado por Registry se atribuye a CherryHQ, pero aún no está marcada como oficial. Reclámala para añadir una señal de propietario verificado y hacer más fiables futuras actualizaciones de lanzamiento, instalación y auditoría.
Kit de enlaces para creadores
Añade las insignias de evidencia a tu README
Muestra la ficha canónica, las señales actuales de confianza y auditoría, y evidencia real de Agent-Proven donde los desarrolladores evalúan el repositorio.
[](https://www.openagentskill.com/skills/cherryhq-demand-first-review)
[](https://www.openagentskill.com/skills/cherryhq-demand-first-review)
[](https://www.openagentskill.com/skills/cherryhq-demand-first-review/audit)
[](https://www.openagentskill.com/skills/cherryhq-demand-first-review)Autor
CherryHQ
@cherryhq
Etiquetas
Afinidad con plataforma
Señales de salud
- Estrellas de GitHub
- 50.9K
- Puntuación de calidad
- 57/100
- Último push de GitHub
- 22 ago 2026
- Pistas del framework
- Desconocido
- Vistas de OpenAgentSkill
- 6
- Copias de instalación
- 0
- Clics externos
- 0
Señal de comunidad
Comparte si este skill resulta útil para tu flujo de Agent. Los comentarios agregados mejoran la clasificación con el tiempo.
Confianza y seguridad
Revisar antes de instalar
- Adopción en GitHub51K estrellas de GitHubAprobado
- Actividad de stars/forks51K estrellas y 4.8K forks; la actividad de issues no está disponible en los metadatos actualesAprobado
- Mantenimiento recienteActualizado hoyAprobado
- Claridad de licenciaAGPL-3.0Aprobado
- Completitud de README/SKILL.mdLos metadatos incluyen suficiente contexto de uso y flujo de trabajoAprobado
- Riesgo de dependencias/runtimenetwork or browser surface, database surfaceInfo
Skills relacionados
Last30days Skill
Research the last 30 days across Reddit, X, YouTube, Hacker News, Polymarket, GitHub, and the web, then synthesize a grounded brief for an AI agent.
53.5K EstrellasAcademic Research Skills
Academic Research Skills for Claude Code: research → write → review → revise → finalize
38.4K EstrellasGPT Researcher
Run autonomous deep research over web and local sources
28.0K EstrellasDeepResearch
Tongyi Deep Research, the Leading Open-source Deep Research Agent
19.8K Estrellas