mcpField
R
research-synthesize

research-synthesize

github.com/ruvnet生产力80.0k751 次安装今天更新
代码仓库

关于 research-synthesize

将积累的研究发现整理为含建议的结构化报告,适用于一次或多次 deep-research 之后,并包含证据评级与矛盾处理。

主要功能

  1. 01跨命名空间搜索发现
  2. 02评估证据强度
  3. 03处理相互矛盾的主张
  4. 04评估发现与目标的相关性
  5. 05组织报告与建议
  6. 06存储综合报告

适用场景

  1. 01整合多轮研究结果
  2. 02评估收集到的证据可信度
  3. 03撰写包含局限与引用的报告

MCP 相关

使用 Ruflo MCP 工具搜索记忆与模式、综合上下文、评估相关性并存储最终报告。

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/ruvnet/ruflo --skill research-synthesize

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

详细介绍

研究综合

将积累的研究发现综合为可执行的报告。

使用时机

在运行一次或多次 deep-research 后,需要从记忆中汇总发现,形成连贯的综合结论和建议时。

步骤

  1. 收集发现 — 在以下位置搜索:
    • 在命名空间 research 中使用 mcp__plugin_ruflo-core_ruflo__memory_search 搜索原始发现
    • 在命名空间 research-sources 中使用 mcp__plugin_ruflo-core_ruflo__memory_search 搜索参考资料
    • 使用 mcp__plugin_ruflo-core_ruflo__agentdb_pattern-search 搜索已发现的模式
    • 使用 mcp__plugin_ruflo-core_ruflo__agentdb_context-synthesize 构建 AI 辅助的上下文
  2. 评估证据 — 对每项发现进行评估:
    • 高:多个独立来源的结论一致、直接观察得出且可复现
    • 中:来自单个可信来源,有间接证据支持,具有合理性
    • 低:来自轶闻、单个未经验证的来源或推测
  3. 解决矛盾 — 发现结论冲突时:
    • 指出存在争议的具体主张
    • 比较证据质量
    • 检查时效性(较新的数据可能已取代旧数据)
    • 明确标注尚未解决的矛盾
  4. 预测相关性 — 调用 mcp__plugin_ruflo-core_ruflo__neural_predict,评估各项发现与原始目标的相关程度
  5. 组织报告结构:
    • 执行摘要(用 2-3 句话回答原始问题)
    • 主要发现(按证据质量排序)
    • 方法(检查了哪些来源)
    • 局限性(未检查的内容以及仍不确定之处)
    • 建议(具体的后续行动)
    • 参考资料(来源链接和记忆键)
  6. 存储综合报告 — 调用 mcp__plugin_ruflo-core_ruflo__memory_store,在命名空间 research-synthesis 中存储完整报告

输出格式

# [Research Topic] — Synthesis Report

## Summary
[2-3 sentence answer]

## Key Findings
1. [Finding] — Evidence: High/Medium/Low
2. [Finding] — Evidence: High/Medium/Low

## Contradictions
- [Claim A] vs [Claim B]: [resolution or "unresolved"]

## Recommendations
1. [Action] — because [reasoning]

## Sources
- [key]: [description]

评论

支持 Markdown