mcpField
R
research

research

github.com/carlitose生产力051 次安装1 周前更新
代码仓库

关于 research

用于围绕明确问题开展研究并追溯关键主张依据的 skill。它指导检查项目资料、收集和核验一手来源,并在需要时保存研究结论。

主要功能

  1. 01明确问题与研究范围
  2. 02优先查询现有 LLM wiki
  3. 03收集并核验一手来源
  4. 04按需保存持久研究结论

适用场景

  1. 01调查代码仓库中的行为
  2. 02依据官方文档核实主张
  3. 03撰写有证据支持的研究报告

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/carlitose/agent-skills --skill research

安装后在 Claude Code 中输入/research确认已加载。

附带文件agents/openai.yaml

详细介绍

研究

基于证据回答范围明确的问题。优先使用一手来源,而非评论,并将每项重要主张追溯到其所属来源。

在当前流程中完成阅读。对于用户要求委派的任务,请遵循操作默认设置。问题的广度会影响研究范围,但不会改变执行权限。

流程

1. 明确问题

收集证据前,先用一句话写明研究问题。包括:

  • 研究要支持的决策。
  • 范围:仓库内、外部文档、产品行为、市场/工具,或以上范围的组合。
  • 如果问题来自工单或寻路图,注明预期的输出位置。

只有当研究目标过于模糊、无法着手时,才提出一个简洁的问题。

2. 查询现有的 LLM 知识库

从其他地方收集来源之前,先检查项目是否已有兼容的 LLM 知识库根目录,其中包含 purpose.md、schema.md 和 wiki/index.md。如果有,请调用 llm-wiki,并以已明确的研究问题运行其 query 操作。不要仅为满足这一步骤而搭建知识库。

将已保存的查询及其引用的知识库页面视为汇总上下文和来源指引,而非一手证据。沿其出处追溯到所属的仓库构件或原始来源;如果知识库内容不完整,请继续收集证据。

3. 收集一手来源

针对相关主张,使用最可靠的可用来源:

  • 对于项目内部行为,使用仓库源代码、测试、配置、日志、迁移、规格说明、工单和提交历史。
  • 对于外部行为,使用官方文档、源代码仓库、API 参考、标准、发布说明、变更日志、架构和一方示例。
  • 对于产品、设计或业务背景,使用用户提供的材料。

仅将二手来源用作查找一手来源的线索。如果存在所属来源,不要依据博客文章、论坛回复、生成的摘要或搜索结果摘要来撰写最终答案。

4. 核查证据
  • 对于有风险或出人意料的主张,尽可能比对至少两个独立的一手依据。
  • 如果版本、日期、标志、环境限制和仓库状态会影响答案,请予以说明。
  • 如果运行简短的本地命令或测试能以较低成本验证仓库行为,请运行。
  • 区分观察到的事实与推断。

对于变化迅速的外部事实,请在回答前核实当前文档。

5. 保存可长期使用的研究结论

如果这项研究与本地研究工单、规格说明或寻路图相关,请更新该构件;如果仓库没有约定格式,则在 docs/research/<slug>.md 下撰写简短报告。只有在长期保存研究成果有用时才创建文件夹。每份长期保存的报告都必须包含一个 ## Artifact Graph 章节,其中有一个稳定的 Artifact ID、Role: research,以及且仅有 Standalone: true 或一个 Parent。由工单拥有的报告应指向该研究工单,并且工单须在同一变更中添加对应的 Produces 链接。

对于快速提问,附带证据的简洁最终答复即可。

输出

当答案不只是快速回复时,使用以下格式:

## Answer

<Direct answer in one or two paragraphs.>

## Evidence

- <Source path or citation> - <fact supported by that source>.

## Unknowns

- <Remaining uncertainty, or "None".>

## Next Step

<Decision, prototype, spec update, or implementation step this research enables.>

输出应与问题相称。除非用户要求原始研究材料,否则不要粘贴笔记、对话记录或长篇引文。

评论

支持 Markdown