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
Profil de l’actif
Recherche et travail de connaissance
Deep research, source comparison, literature review, RAG, knowledge search, and reports.
Scénario
Agents de recherche
I need my agent to research a topic, compare sources, and produce a concise report.
Adéquation Agent
Claude Code + CLI + Codex
Compatible avec Codex, Claude Code, Cursor, CLI ou des Agents personnalisés.
Installer
Prêt
npx skills add CherryHQ/cherry-studio --skill demand-first-review
Maintenance
À jour
Mis à jour aujourd’hui
Risque
Sûr à essayer
No major risk signals from available metadata
Qualité GitHub
51K
94/100 Qualité · 86/100 Confiance
Tags de couverture
Notes de revue
No major risk signals from available metadata
Carte d’adoption Agent
Confiance, audit et préparation à l’installation en un coup d’œil
Ces scores combinent les métadonnées publiques du dépôt, les signaux de revue OpenAgentSkill, la fraîcheur de maintenance et la préparation à l’installation. Ils servent à présélectionner et ne remplacent pas la revue humaine.
Qualité
ExcellentHigh-confidence pick with strong adoption and healthy maintenance signals.
Confiance
Revoir avant installationBon signal de présélection, mais l’Agent doit examiner les notes d’audit, la politique d’installation et les preuves de résultats avant de l’exécuter.
Audit
Sûr à essayerRevue lisible par machine de la préparation à l’installation, des métadonnées de sécurité, de la maintenance et du risque d’adoption.
Trust Score OpenAgentSkill v5
Candidate à l’installation Agent
À utiliser comme candidat principal après revue humaine ou en sandbox.
Stars
51K stars GitHub
Activité du dépôt
51K stars et 4.8K forks
Maintenance
Mis à jour aujourd’hui
Licence
AGPL-3.0
Installer
npx skills add CherryHQ/cherry-studio --skill demand-first-review
Sécurité d’installation
Chemin d’installation standard de package ou runtime
Surface de permissions
network or browser access, database access
Résultats Agent
Pas encore de données de résultats Agent
Documentation
Contexte README/SKILL.md solide
Résumé des risques
Risque de métadonnées faible
- No major trust warnings detected from available metadata
Préparation à l’installation
Chemin d’installation disponible
- Le chemin d’installation est disponible
- La preuve du dépôt est disponible
- La licence est déclarée
- Pas encore de preuve de résultat Agent-Proven
Métadonnées lisibles par Agent
Données de décision lisibles par machine pour ce skill.
Utilisez ce bloc ou le JSON intégré pour décider si un Agent doit installer ce skill, choisir une alternative ou demander d’abord une revue humaine.
Tâches adaptées
- Workflows d’Agents de recherche
- Équipes Claude Code
- Équipes qui valorisent les signaux d’adoption GitHub
- Sources de recherche
Agents adaptés
Décision d’installation
- Commande
- npx skills add CherryHQ/cherry-studio --skill demand-first-review
- Politique
- Autoriser
- Revue humaine
- Non
Confiance et risque
- Confiance
- 83/100
- Audit
- 91/100
- Niveau de risque
- Sûr à essayer
Boucle de résultat
- Endpoint
- /api/agent/outcome
- ID d’événement
- resolve
- Résultats
- 5
Commande d’installation
npx skills add CherryHQ/cherry-studio --skill demand-first-reviewNe pas utiliser quand
- Équipes qui nécessitent un SLA soutenu par le fournisseur
- Environnements fortement conformes sans revue interne de sécurité
- 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 alternatif
Last30days Skill
53.5K Stars
npx skills add mvanhorn/last30days-skill -g
Skill alternatif
Academic Research Skills
38.4K Stars
npx skills add Imbad0202/academic-research-skills
Skill alternatif
GPT Researcher
28.0K Stars
npx skills add assafelovic/gpt-researcher
Skill alternatif
DeepResearch
19.8K Stars
npx skills add Alibaba-NLP/DeepResearch
Sécurité Agent v2
83/100 · Installation sûre après revue normale
Bons signaux d’audit et de sécurité, sans indice de permission à haut risque dans les métadonnées publiques.
Consultez la page d’audit, puis autorisez l’installation de l’Agent dans un workflow isolé.
Moyen
Accès réseau
La skill récupère probablement des pages distantes, API, dépôts ou services externes.
Moyen
Accès à la base de données
La skill peut inspecter des schémas, interroger des bases de données ou travailler avec des stockages persistants.
Cibles d’installation
Installer ce skill dans votre workflow Agent
Utilisez le point de terminaison public pour récupérer la commande, la checklist, les prompts et les liens canoniques.
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 résolution Agent
Laissez un Agent vérifier la pertinence avant l’installation.
L’API Resolve renvoie la skill sélectionnée, des alternatives, la politique de sécurité, les notes d’audit, la cible d’installation et un prompt prêt à l’emploi.
Ouvrir JSON
/api/agent/resolve?task=Use%20demand-first-review%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Texte Resolve
/api/agent/resolve?task=Use%20demand-first-review%20for%20an%20agent%20workflow&agent=codex&max_risk=medium&format=text
Relais d’installation
/api/skills/cherryhq-demand-first-review/install
L’Agent doit vérifier
- 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.
Copier le 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.Relais Agent
Donnez à l’Agent le chemin d’installation, pas un autre annuaire.
Utilisez le point de terminaison public pour récupérer la commande, la checklist, les prompts et les liens canoniques.
Relais d’installation
/api/skills/cherryhq-demand-first-review/install
Format texte LLM
/api/skills/cherryhq-demand-first-review/install?format=text
Trouver des alternatives
/api/skills/search?q=demand-first-review&limit=3
Prompt 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-reviewMétadonnées Registry
Profil lisible par Agent pour la sélection automatique de skills.
L’API Registry fournit les signaux de décision, confiance, audit, cas d’usage et installation sans analyser l’interface.
Manifest
/api/registry/manifest/cherryhq-demand-first-review
Texte LLM
/api/registry/manifest/cherryhq-demand-first-review?format=text
Alias d’installation
/api/registry/install/cherryhq-demand-first-review
Recommander
/api/registry/recommend?task=Use%20demand-first-review%20in%20an%20agent%20workflow&limit=3
Adéquation Agent
Agents de recherche
Tags de cas d’usage
Plateformes
Claude Code
Rapport d’audit
Sûr à essayer · 91/100
Revue lisible par machine de la préparation à l’installation, des métadonnées de sécurité, de la maintenance et du risque d’adoption.
Panneau de décision Agent
Choix principal pour Agents de recherche
Use this as a leading candidate, then validate the README and install path in your own agent stack.
Rôle dans la pile
Choix principal
Pertinence principale
Agents de recherche
Libellé de confiance
Prêt pour la production
Chemin d’installation
Commande prête
À utiliser lorsque
- Workflows d’Agents de recherche
- Équipes Claude Code
- Équipes qui valorisent les signaux d’adoption GitHub
Preuves
- 50,908 stars GitHub
- recent repository activity
- install command or GitHub repo available
- profil qualité 94/100
- 6 événements OpenAgentSkill
revoir d’abord
- No major risk signals from current metadata
Chemin d’implémentation
- 1Installez-le dans un Agent en sandbox et exécutez une tâche de Agents de recherche de bout en bout.
- 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.
Profil de confiance
Revoir avant installation
Bon signal de présélection, mais l’Agent doit examiner les notes d’audit, la politique d’installation et les preuves de résultats avant de l’exécuter.
Adoption GitHub
Validé51K stars GitHub
Activité stars/forks
Validé51K stars et 4.8K forks; l’activité des issues n’est pas disponible dans les métadonnées actuelles
Maintenance récente
ValidéMis à jour aujourd’hui
Clarté de licence
ValidéAGPL-3.0
Signaux positifs
- Revue IA approuvée
- Le chemin d’installation est disponible
- La preuve du dépôt est disponible
- Dépôt maintenu récemment
- Large GitHub adoption signal
- La commande d’installation ne présente aucun motif de haut risque évident
- La boucle de résultats est prête mais nécessite la première exécution réelle de l’Agent
Réviser avant installation
- Pas encore de rapports de résultats Agent réels
- Une revue humaine est requise avant une installation sans surveillance
Action recommandée
À utiliser comme candidat principal après revue humaine ou en sandbox.
Profil qualité
Excellent candidat pour les workflows Agent
High-confidence pick with strong adoption and healthy maintenance signals.
Adéquation au workflow
Utilisez cette skill dans ces scénarios
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.
Adéquation au workflow
Ajouter à un workflow complet
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.
Liste d’alternatives
Comparer avant installation
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
Vue d’ensemble
--- 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**.
Détails techniques
- Version
- 1.0.0
- Licence
- AGPL-3.0
- Dernière mise à jour
- 22 août 2026
- Publié
- 20 août 2026
Instantané de décision
Choix principal
50,908 stars GitHub
Audit
Revue d’installation
Revue d’installation et d’adoption
- Sécurité
- 85/100
- Maintenance
- 100/100
- Installer
- 92/100
Preuves validées par Agent
Preuves validées par Agent
Rapports après resolve, revue, installation et une exécution limitée.
- Taux de réussite
- —
- Échec récent
- —
- Résultats
- 0
- Qualité de sortie
- —
- Échecs
- 0
- Non pertinent
- 0
- Installations
- 0
- Bloqué par le risque
- 0
- Configuration requise
- 0
- Production
- 0
Aucune donnée de résultat Agent pour l’instant. La première exécution peut signaler succès, besoin de configuration, blocage de risque, échec ou non-pertinence via /api/agent/outcome.
Installer
Ajouter au workflow Agent
Gratuit et open source. Examinez le rapport avant l’installation dans des Agents de production.
Boucle de croissance
Kit de partage
Brouillon guidé par scénario pour demand-first-review, prêt pour une publication manuelle sur 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
Réponse facultative avec commande d’installation
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
Source de la fiche
Indexé par Registry
Cette fiche a été indexée à partir de sources publiques et n’est pas marquée officielle tant qu’une revendication de mainteneur n’est pas approuvée.
- Créateur
- CherryHQ
- Source
- CherryHQ/cherry-studio
- Indexé par
- Index communautaire OpenAgentSkill
L’attribution renvoie au dépôt public ou au profil du créateur. Les créateurs peuvent revendiquer la fiche pour mettre à jour les signaux de propriété.
Revendiquer ce skillRevendication du propriétaire
Revendiquer cette fiche de skill
Cette fiche Indexé par Registry est attribuée à CherryHQ, mais n’est pas encore marquée officielle. Revendiquez-la pour ajouter un signal de propriétaire vérifié et rendre les futures mises à jour de lancement, d’installation et d’audit plus fiables.
Kit de backlinks créateur
Ajoutez les badges de preuve à votre README
Affichez la fiche canonique, les signaux actuels de confiance et d’audit, ainsi que de vraies preuves Agent-Proven là où les développeurs évaluent le dépôt.
[](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)Auteur
CherryHQ
@cherryhq
Tags
Adéquation plateforme
Signaux de santé
- Stars GitHub
- 50.9K
- Score de qualité
- 57/100
- Dernier push GitHub
- 22 août 2026
- Indications de framework
- Inconnu
- Vues OpenAgentSkill
- 6
- Copies d’installation
- 0
- Clics sortants
- 0
Signal de communauté
Indiquez si ce skill semble utile à votre workflow Agent. Les retours agrégés améliorent le classement au fil du temps.
Confiance et sécurité
Revoir avant installation
- Adoption GitHub51K stars GitHubValidé
- Activité stars/forks51K stars et 4.8K forks; l’activité des issues n’est pas disponible dans les métadonnées actuellesValidé
- Maintenance récenteMis à jour aujourd’huiValidé
- Clarté de licenceAGPL-3.0Validé
- Complétude README/SKILL.mdLes métadonnées incluent suffisamment de contexte d’usage et de workflowValidé
- Risque dépendances/runtimenetwork or browser surface, database surfaceInfo
Skills associés
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 StarsAcademic Research Skills
Academic Research Skills for Claude Code: research → write → review → revise → finalize
38.4K StarsGPT Researcher
Run autonomous deep research over web and local sources
28.0K StarsDeepResearch
Tongyi Deep Research, the Leading Open-source Deep Research Agent
19.8K Stars