mcpField

loop-research

github.com/levi-qiaoAgent 工作流153 次安装
代码仓库

关于 loop-research

loop-research 是用于证据驱动方案比较的预设 Skill。它通过访谈确定选择、绑定研究方案包,并调用 loop-graph 编译工作流产物,但不执行生成的节点。

主要功能

  1. 01基于证据比较方案
  2. 02通过访谈确定选项
  3. 03绑定研究预设包
  4. 04经 loop-graph 编译产物

适用场景

  1. 01基于证据比较开源项目
  2. 02规划受控基准测试或 A/B 实验

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/levi-qiao/longgraph-skill --skill loop-research

安装后在 Claude Code 中输入/loop-research确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

preset.md
README.md
README.zh-CN.md

详细介绍

loop-research — 面向证据驱动决策的循环图预设

一个轻量的编写入口。它绑定一套研究与选择方案包,启动负责人访谈,然后遵循 loop-graph 编译常规的执行器、台账、指令、运维和监督器产物。它不是研究节点、第二套运行时,也不是第二套模板。

适用性检查

  • 当方法尚未确定,且决策需要基于开源项目、原始研究以及受控基准测试或 A/B 实验获得比较性证据时,使用此预设。
  • 方法选定后,使用 ../loop-deliver/SKILL.md;进行代码整合时,使用 ../loop-converge/SKILL.md。
  • 对于简短回答、单次来源查询或非比较性的文献综述,请使用宿主常规的研究任务,而不是图。

调用时

  1. 按照 loop-graph 的方式检查工作区、现有证据、实验工具、数据政策和当前宿主。当上下文已明确指出客户端时,切勿询问这是哪个客户端。
  2. 阅读并绑定 preset.md。该方案包是北极星、监督器要求、访谈、证据形态、方法限制、参数覆盖项和产物侧重点。不要重新设计这些内容。
  3. 立即开始负责人访谈。仅询问方案包中尚未确定的选项——决策/范围、证据预算和数据权限,以及启动事宜——并按照建议提供 A/B(或 A/B/C)选项。不要让负责人自行设计评估标准。
  4. 阅读并遵循 ../loop-graph/SKILL.md 中从 When called from a preset skill 到生成和交付的部分。仅从 loop-graph 的 templates/ 编译。本技能不会执行生成的节点。

评论

支持 Markdown