jilinchenandClaude Opus 4.6
dc18cf4591
Add missing `name` field to all research-zh and research-en SKILL.md frontmatter (fixes #1). Replace hardcoded /home/weizhena/ paths with ~ and {project_dir} placeholders in research-deep skills (fixes #2). Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
146 lines
3.9 KiB
Markdown
146 lines
3.9 KiB
Markdown
---
|
||
name: research
|
||
user-invocable: true
|
||
allowed-tools: Read, Write, Glob, WebSearch, Task, AskUserQuestion
|
||
description: 对目标话题进行初步调研，生成调研outline。用于学术调研、benchmark调研、技术选型等场景。
|
||
---
|
||
|
||
# Research Skill - 初步调研
|
||
|
||
## 触发方式
|
||
`/research <topic>`
|
||
|
||
## 执行流程
|
||
|
||
### Step 1: 模型内部知识生成初步框架
|
||
基于topic，利用模型已有知识生成：
|
||
- 该领域的主要研究对象/items列表
|
||
- 建议的调研字段框架
|
||
|
||
输出{step1_output}，使用AskUserQuestion确认：
|
||
- items列表是否需要增减？
|
||
- 字段框架是否满足需求？
|
||
|
||
### Step 2: Web Search补充
|
||
使用AskUserQuestion询问时间范围（如：最近6个月、2024年至今、不限）。
|
||
|
||
**参数获取**：
|
||
- `{topic}`: 用户输入的调研话题
|
||
- `{YYYY-MM-DD}`: 当前日期
|
||
- `{step1_output}`: Step 1生成的完整输出内容
|
||
- `{time_range}`: 用户指定的时间范围
|
||
|
||
**硬约束**：以下prompt必须严格复述，仅替换{xxx}中的变量，禁止改写结构或措辞。
|
||
|
||
启动1个web-search-agent（后台），**Prompt模板**：
|
||
```python
|
||
prompt = f"""## 任务
|
||
调研话题: {topic}
|
||
当前日期: {YYYY-MM-DD}
|
||
|
||
基于以下初步框架，补充最新items和推荐调研字段。
|
||
|
||
## 已有框架
|
||
{step1_output}
|
||
|
||
## 目标
|
||
1. 验证已有items是否遗漏重要对象
|
||
2. 根据遗漏对象进行补充items
|
||
3. 继续搜索{topic}相关且{time_range}内的items并补充
|
||
4. 补充新fields
|
||
|
||
## 输出要求
|
||
直接返回结构化结果（不写文件）：
|
||
|
||
### 补充Items
|
||
- item_name: 简要说明（为什么应该加入）
|
||
...
|
||
|
||
### 推荐补充字段
|
||
- field_name: 字段描述（为什么需要这个维度）
|
||
...
|
||
|
||
### 信息来源
|
||
- [来源1](url1)
|
||
- [来源2](url2)
|
||
"""
|
||
```
|
||
|
||
**One-shot示例**（假设调研AI Coding发展史）：
|
||
```
|
||
## 任务
|
||
调研话题: AI Coding 发展史
|
||
当前日期: 2025-12-30
|
||
|
||
基于以下初步框架，补充最新items和推荐调研字段。
|
||
|
||
## 已有框架
|
||
### Items列表
|
||
1. GitHub Copilot: Microsoft/GitHub开发，首个主流AI编程助手
|
||
2. Cursor: AI-first IDE，基于VSCode
|
||
...
|
||
|
||
### 字段框架
|
||
- 基本信息: name, release_date, company
|
||
- 技术特性: underlying_model, context_window
|
||
...
|
||
|
||
## 目标
|
||
1. 验证已有items是否遗漏重要对象
|
||
2. 根据遗漏对象进行补充items
|
||
3. 继续搜索AI Coding 发展史相关且2024年至今内的items并补充
|
||
4. 补充新fields
|
||
|
||
## 输出要求
|
||
直接返回结构化结果（不写文件）：
|
||
|
||
### 补充Items
|
||
- item_name: 简要说明（为什么应该加入）
|
||
...
|
||
|
||
### 推荐补充字段
|
||
- field_name: 字段描述（为什么需要这个维度）
|
||
...
|
||
|
||
### 信息来源
|
||
- [来源1](url1)
|
||
- [来源2](url2)
|
||
```
|
||
|
||
### Step 3: 询问用户已有字段
|
||
使用AskUserQuestion询问用户是否有已定义的字段文件，如有则读取并合并。
|
||
|
||
### Step 4: 生成Outline（分离文件）
|
||
合并{step1_output}、{step2_output}和用户已有字段，生成两个文件：
|
||
|
||
**outline.yaml**（items + 配置）：
|
||
- topic: 调研主题
|
||
- items: 调研对象列表
|
||
- execution:
|
||
- batch_size: 并行agent数量（需AskUserQuestion确认）
|
||
- items_per_agent: 每个agent调研项目数（需AskUserQuestion确认）
|
||
- output_dir: 结果输出目录（默认./results）
|
||
|
||
**fields.yaml**（字段定义）：
|
||
- 字段分类和定义
|
||
- 每个字段的name、description、detail_level
|
||
- detail_level分层：极简 → 简要 → 详细
|
||
- uncertain: 不确定字段列表（保留字段，deep阶段自动填充）
|
||
|
||
### Step 5: 输出并确认
|
||
- 创建目录: `./{topic_slug}/`
|
||
- 保存: `outline.yaml` 和 `fields.yaml`
|
||
- 展示给用户确认
|
||
|
||
## 输出路径
|
||
```
|
||
{当前工作目录}/{topic_slug}/
|
||
├── outline.yaml # items列表 + execution配置
|
||
└── fields.yaml # 字段定义
|
||
```
|
||
|
||
## 后续命令
|
||
- `/research-add-items` - 补充items
|
||
- `/research-add-fields` - 补充字段
|
||
- `/research-deep` - 开始深度调研
|