mcpField
R
research

research

github.com/juliusbrussee开发1.2k780 次安装11 周前更新
代码仓库

关于 research

research 是用于收集外部事实并将带来源的发现交给 spec 流程的技能。它帮助开发者核实库、API、版本和既有模式相关问题,并避免把猜测当作事实。

主要功能

  1. 01将未知事项细化为具体问题
  2. 02优先从一手来源收集证据
  3. 03提炼发现并附上来源
  4. 04标记未核实的说法和冲突
  5. 05将发现交接给 spec 技能

适用场景

  1. 01核实不确定的 API 或依赖行为
  2. 02研究规范制定中提出的领域问题

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/juliusbrussee/cavekit --skill research

安装后在 Claude Code 中输入/research确认已加载。

详细介绍

研究 — 外部知识 → §R

每条发现都要引用来源。没有来源 → 标记为 ?,绝不把猜测写成事实。

“缺少库上下文的处理过程,只会产出井然有序的幻觉。” 构建会虚构一个看似合理但错误的 API,而 §B 则会因此充满本可避免的 bug。 研究是外部的事实依据:获取一次真实信息,用简洁的方式记录,永远不要重新推导。

何时研究

  • §C/§I/§V 中的决策取决于某个你不确定的库、API、版本或模式。
  • 你准备假设某个外部依赖的行为。
  • 想法涉及已有实践的领域(身份验证、支付、加密、速率限制)。
  • /grill 留下了一个必须由外部世界解答的 ?。

如果构建只涉及你已编写的代码,就跳过。研究面向未知,⊥ 面向习惯。

四个步骤

1. 界定范围

将未知事项转化为 1-3 个具体问题。模糊的“研究身份验证” → “适用于 Node ESM 的 JWT 库,有维护吗?” + “刷新令牌轮换:当前最佳实践是什么?”。 范围明确的问题能得到可引用的答案;模糊的问题只会得到一篇长文。

2. 收集

使用网页搜索 / 文档工具。优先选用一手来源:官方文档、代码仓库、RFC、论文。两个独立来源胜过一个言之凿凿的博客。若要大范围调查,启动一个子 Agent,这样原始页面就不会进入当前上下文——它只返回提炼后的发现和来源。

3. 提炼

将每个答案压缩成一行简洁表述 + 来源。删掉铺陈。§R 条目才是记忆;你读过的标签页不是。

R3|刷新令牌|使用时轮换,检测到重复使用时撤销整个令牌族|datatracker.ietf.org/doc/html/rfc6819#section-5.2.2.3

4. 移交

输出 §R 条目,并交给 spec 技能追加。如果发现改变了约束或接口,也要注明 spec 需要修改 §C/§I。研究负责提出;spec 负责编写。

来源规范

  • 每条都要引用 URL、代码仓库、RFC 或论文。标识符 / 版本号照原文保留。
  • 无法核实 → 写下条目,但在发现中标记 ? 并说明。诚实标注的未核实说法可以接受;伪装成事实的说法会成为未来的 §B。
  • 来源冲突 → 两边都记录,由用户选择。⊥ 不要悄悄取平均值。

何时停止

当每个界定范围的问题都有带来源的 §R 条目(或诚实标注的 ?),且没有构建决策仍依赖未经核实的假设时,就完成了。⊥ 不要研究超出已界定范围的问题——那只是在浪费注意力预算。

边界

  • ⊥ 编写 SPEC.md。将 §R 条目交给 spec。
  • ⊥ 在没有来源时把发现写成事实。
  • ⊥ 将原始页面倾倒进上下文或 §R。提炼后再写入。
  • ⊥ 研究可以在代码仓库中查到的内容。本地事实 > 网页猜测。

评论

支持 Markdown